scikit-learnのpredict_probaで使用されるcross_val_predictからクラスラベルを取得する方法

Question

Random Forest classifierを3倍の相互検証を使用してトレーニングする必要があります。各サンプルについて、テストセット内にあるときに予測確率を取得する必要があります。

私はscikit-learnバージョン0.18.dev0を使用しています。

この新しいバージョンでは、追加のパラメータmethodを使用してメソッドcross_val_predict()を使用して、エスティメータからどの種類の予測が必要かを定義する機能を追加しました。

私のケースでは、マルチクラスのシナリオでは、各クラスの確率を返すpredict_proba()メソッドを使用したいと考えています。

しかし、このメソッドを実行すると、予測確率の行列が得られます。各行はサンプルを表し、各列は特定のクラスの予測確率を表します。

問題は、このメソッドが各クラスに対応するクラスを示さないことです。

Iは（ RandomForestClassifierを使用して私の場合）と同じである必要がある値が属性に返さ

は以下のように定義classes_：

classes_：形状の配列= [n_classes]またはそのようなアレイ ザのリストクラスラベル（単一出力問題）、またはクラスラベルの配列のリスト（複数出力問題）が含まれます。

クラスの順序は、属性classes_のものに対応していますので、そのマニュアルpredict_proba()によって必要とされる

は、いることを書かれています。

最小の例は以下である：

import numpy as np 
from sklearn.ensemble import RandomForestClassifier 
from sklearn.model_selection import cross_val_predict 

clf = RandomForestClassifier() 

X = np.random.randn(10, 10) 
y = y = np.array([1] * 4 + [0] * 3 + [2] * 3) 

# how to get classes from here? 
proba = cross_val_predict(estimator=clf, X=X, y=y, method="predict_proba") 

# using the classifier without cross-validation 
# it is possible to get the classes in this way: 
clf.fit(X, y) 
proba = clf.predict_proba(X) 
classes = clf.classes_ 

Answer 1

はい、それらはソートされた順序であろう。 DecisionTreeClassifier（RandomForestClassifierの場合はデフォルトのbase_estimator）uses np.unique to construct the classes_ attributeが入力配列のソートされた一意の値を返すためです。