我想使用f2分数来评估我的模型,但有一个错误。
from sklearn.metrics import fbeta_score, make_scorer
ftwo_scorer = make_scorer(fbeta_score, beta=2) # beta=2
U可以看到,我使用fbeta_score
和make_scorer
来定义我的度量。但是,当我将此度量应用于fit
时,出现了一个错误。
from sklearn.svm import SVC
from sklearn.model_selection import GridSearchCV
svc = SVC()
parameters = { 'C':[100,1000]}
#'gamma':[1e-5,1e-4,1e-3]}}
clf = GridSearchCV(svc, parameters, scoring=ftwo_scorer,cv=5)
clf.fit(Xtrain, Ytrain,)
Yval_pred = clf.predict(Xval)
错误消息:
ValueError Traceback (most recent call last)
<ipython-input-600-ebf059724dd4> in <module>
4 #'gamma':[1e-5,1e-4,1e-3]}
5 clf = GridSearchCV(svc, parameters, scoring=ftwo_scorer,cv=5)
----> 6 clf.fit(Xtrain, Ytrain)
7 Yval_pred = clf.predict(Xval)
……
ValueError: Target is multiclass but average='binary'. Please choose
another average setting, one of [None, 'micro', 'macro', 'weighted'].
你能帮我吗?
发生这种情况是因为目标变量Y
可能有两个以上的类。默认情况下,fbeta_score
将平均值设置为二进制目标。
因此,正如错误建议的那样,将这些选项[None, 'micro', 'macro', 'weighted']
的不同average
值传递给make_scorer
函数,即
from sklearn.metrics import fbeta_score, make_scorer
ftwo_scorer = make_scorer(fbeta_score, beta=2, average='weighted')