我正在尝试为CatBoostClassifier
构建PRC(精度召回曲线(。
但当我打给sklearn.metrics.precision_recall_curve(y_test, y_score)
时,我得到的是ValueError: bad input shape (11912, 2)
。
我目前的做法可能有什么问题?我需要在这里修复什么才能提供正确的形状?
import sklearn
from sklearn import metrics
y_score = model.predict_proba(X_test)
prc_auc = sklearn.metrics.precision_recall_curve(y_test, y_score)
//以下是我如何构建模型
model = CatBoostClassifier(
iterations=50,
random_seed=63,
learning_rate=0.15,
custom_loss=['Accuracy', 'Precision', 'Recall', 'AUC']
)
model.fit(
X_train, y_train,
cat_features=cat_features,
eval_set=(X_test, y_test),
verbose=10,
plot=True
);
简单的答案是CatBoostClassifier.model.predict_proba
返回一个2d数组;sklearn.model.precision_recall_curve
需要一个1d数组(或一列的2d数组,以哪一个为准(。
CatBoostClassifier
的文档说明predict_proba()
返回numpy.array
,并且没有提供有关此方法的其他信息。所以我现在讨厌这个包的文档。
浏览一些评论不好的代码让我进入:
if prediction_type == 'Probability':
predictions = np.transpose([1 - predictions, predictions])
return predictions
我猜第0列是类0的概率,第1列是类1的概率。因此,选择测试中与之一致的内容,并仅使用该列。
prc_auc = sklearn.metrics.precision_recall_curve(y_test, y_score[:, 1])