输入到precision_recall_curve-预测还是predict_proba输出？
我使用高斯朴素贝叶斯（Gaussian Naive Bayes）从熊猫（Pandas）数据帧中训练模型，但使用precision\u recall\u曲线时出现错误。文档中说precision\u recall\u曲线将预测的概率作为输入（至少在我读到的时候），因此我希望下面的html" target="_blank">方法能够起作用（xtrain和xtest分别是736行和184行的熊猫数据帧；ytrain/ytest分别是736行和184行的系列）：
nb = GaussianNB()
nb.fit(xtrain, ytrain)
predicted = nb.predict_proba(xtest)
precision, recall, threshold = precision_recall_curve(ytest, predicted)
我希望上述方法能够奏效，但我收到了一个“索引器：索引230超出大小184的界限”。如果我改为：
predicted = nb.predict(xtest)
precision, recall, threshold = precision_recall_curve(ytest, predicted)
184是xtest和ytest中的行数，但是230不是任何这些结构的维度。有人能解释一下区别吗？或者我应该如何为此目的使用precision_recall_curve？
共有1个答案
如果这是二分类，请尝试使用以下内容，
predicted = nb.predict_proba(xtest)
precision, recall, threshold = precision_recall_curve(ytest, predicted[:,1])
-
问题内容： 我有罐子或战争。 我正在以编程方式读取此jar，当我在此jar中找到该jar时，我想再次以编程方式阅读它。 但是JarFile仅提供getInputStream，我无法将其传递给JarFile（File file）构造函数。 如何从罐子中读取罐子？ 编辑：我正在考虑以某种方式从类加载器中获取文件。 问题答案： 您可以在文件系统中创建jar文件，例如 并将Stream写入其中。之后，您可
-
我正在使用WEKA Explorer运行10倍交叉验证。我将预测输出到CSV文件。由于10倍的方法混合了数据的顺序，我不知道哪些特定数据分类正确或错误。我的意思是，通过查看CSV，我不知道哪个特定的1或0被分类为1或0。是否有任何方法可以查看测试集中每个折叠的每个特定实例的分类结果？例如，如果CSV能够记录被分类实例的ID，那就太好了。 另一种选择是，我可以手动实现10倍的方法；i、 例如，我可以
-
问题内容： 在SBT：我想以限定inputKey读取在命令行参数，轻微改变它们并 使用 该结果作为输入到其他inputKeys。 我试过了： 但是我得到了。 我也尝试过： 这根本不提供输入。我怀疑这是执行顺序的问题（我不需要时不设置属性，因为JVM可以随意移动行）。 因此，在绝望中，我什至尝试了残酷的行为： 强制命令。这只会引发NullPointerException。 问题答案： 正如Danie
-
文件 std::fs::File 本身实现了 Read 和 Write trait，所以文件的输入输出非常简单，只要得到一个 File 类型实例就可以调用读写接口进行文件输入与输出操作了。而要得到 File 就得让操作系统打开(open)或新建(create)一个文件。还是拿例子来说明 use std::io; use std::io::prelude::*; use std::fs::File;
-
回顾一下我们写的第一个 Rust 程序就是带副作用的，其副作用就是向标准输出(stdout)，通常是终端或屏幕，输出了 Hello, World! 让屏幕上这几个字符的地方点亮起来。println! 宏是最常见的输出，用宏来做输出的还有 print!，两者都是向标准输出(stdout)输出，两者的区别也一眼就能看出。至于格式化输出，基础运算符和字符串格式化小节有详细说明，这里就不再啰嗦了。 更通用
-
Boost.Assign Assign帮助你把一系列的值赋给容器。它通过对operator, (逗号操作符) and operator()() (函数调用操作符)的重载，带给用户一种数据赋值的很容易的方法。除了对原型风格的代码特别有用，这个库的功能在其它时候也很有用，使用这个库有助于提高代码的可读性。使用本库中的list_of还可以就地生成无名数组。 Assign 的作者是 Thorsten Ot