Skip to main content
 首页 » 编程设计

python之如何使用 Sklearn 的 cross_validation(多标签分类)获得每个标签的 F1 分数

2025年04月02日18hnrainll

我正在尝试使用 sklearn 的 cross_val_score 函数 ( http://scikit-learn.org/stable/modules/cross_validation.html ) 进行多标签分类。

scores = cross_validation.cross_val_score(clf, X_train, y_train, 
        cv = 10, scoring = make_scorer(f1_score, average = None)) 

我想要返回每个标签的 F1 分数。这种方法适用于第一次折叠,但之后立即出现错误:

ValueError: scoring must return a number, got [ 0.55555556  0.81038961  0.82474227  0.67153285  0.76494024  0.89087657 0.93502377  0.11764706  0.81611208] (<type 'numpy.ndarray'>) 

我假设出现此错误是因为 cross_val_score 需要返回一个数字。有没有其他方法可以使用 cross_val_score 来获取每个标签的 F1 分数?

请您参考如下方法:

我通过对 .../scikit-learn/sklearn/cross_validation.py 进行一些更改解决了这个问题。更具体地说,我注释掉了这些行:

1651     if not isinstance(score, numbers.Number): 
1652         raise ValueError("scoring must return a number, got %s (%s) instead." 
1653                          % (str(score), type(score))) 

这消除了类型是否为数字的检查,从而允许传递 numpy 数组。