LabelBinazer问题？
提问于 2018-04-25 12:20:58
我尝试为我的简单分类问题计算敏感度分数。
from sklearn.metrics import confusion_matrix, accuracy_score, recall_score
from sklearn.neighbors import KNeighborsClassifier
from sklearn import preprocessing
X = df.drop(columns='output_feature')
y = df.output_feature
lb = preprocessing.LabelBinarizer()
y = lb.fit_transform(y).ravel()
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X,y)
y_pred_knn = knn.predict(df_prediction_input)
recall_score(lb.fit_transform(df_actual.output_feature), y_pred_knn)我得到了0.575的结果。我的实际输出特征是'churn‘和'not churn’，对应的值是0和1。我如何知道目标类是什么？我希望我的目标类是'churn'，所以值应该是0或1，我如何才能改变它？
回答 1
Stack Overflow用户
发布于 2018-04-26 10:52:08
首先，要检查哪个标签是由哪个数字编码的，请将以下内容放在适当的位置(例如，恰好在knn = KNeighborsClassifier(n_neighbors=3)行的上方)
print(lb.classes_)第一个输出将与0匹配，第二个将与1匹配。
array(['churn', 'not churn'], dtype='<U7')意思是“”：0，not churn: 1
如果是这种情况，您应该将最后一行修改为：
recall_score(lb.fit_transform(df_actual.output_feature), y_pred_knn, pos_label=0)基本上，您是说正标签是流失(因为流失编码为0)。
但是，如果将"churn“编码为1，则不必更改最后一行。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/50022224
复制相关文章
腾讯云开发者
