র‌্যান্ডমফোরেস্ট-স্কলারনে শ্রেণিবিন্যাসের প্রান্তিককরণ

Question

1) স্কলারনে র‌্যান্ডমফোরেস্টে আমি শ্রেণিবদ্ধের প্রান্তিক (আমার মনে হয় এটি ডিফল্টরূপে 0.5 হয়) কীভাবে পরিবর্তন করতে পারি?

2) আমি কীভাবে স্কলারনে আন্ডার-স্যাম্পল করতে পারি?

3) আমার র্যান্ডমফোরস্ট শ্রেণিবদ্ধের নিম্নলিখিত ফলাফল রয়েছে: [[1635 1297] [520 3624]]

         precision    recall  f1-score   support

class 0       0.76      0.56      0.64      2932
class 1       0.74      0.87      0.80      4144

গড় / মোট 0.75 0.74 0.73 7076

প্রথমত, ডেটা ভারসাম্যহীন (শ্রেণি -0 থেকে 30% এবং শ্রেণি -1 থেকে 70%)। সুতরাং, আমি মনে করি শ্রেণিবদ্ধকারী ক্লাস -১ এর পক্ষপাতদুষ্ট হওয়ার বেশি সম্ভাবনা রয়েছে যার অর্থ কিছুটা ক্লাস -০ থেকে শ্রেণি -১ এ স্থানান্তরিত করা হয়েছে (শ্রেণি -১ এর জন্য ১২৯৯ মিসক্লাসিফিকেশন তবে শ্রেণি -১ এর জন্য ৫২০ মিসক্লাসিফিকেশন রয়েছে)। আমি এটা কিভাবে ঠিক করবো? যদি ডাউনসাম্পলিং সাহায্য করতে পারে? বা শ্রেণিবিন্যাসের প্রান্তিক পরিবর্তন?

আপডেট: শ্রেণি -0 এর জনসংখ্যার 40% রয়েছে যখন শ্রেণি -1 60%। তবে, ক্লাস -0 থেকে ক্লাস -1 (1297) এ প্রবাহের পরিমাণ বেশি রয়েছে এবং আমি চাই এটি কম হয়ে যায়।

Answer 1

আপনি প্রকৃতপক্ষে কোনও শ্রেণিতে র্যান্ডম অরণ্যটিকে মোড়া করতে পারেন যা অভ্যন্তরীণ এলোমেলো বন এবং আউটপুট ক্লাস 1 predictএর predict_probaপদ্ধতিটিকে কল করে এমন একটি পদ্ধতি কেবল কাস্টম প্রান্তিকের চেয়ে বেশি হলে higher

বিকল্পভাবে আপনি sample_weightসংখ্যালঘু শ্রেণীর নমুনাগুলির জন্য উচ্চতর পাস করে প্রশিক্ষণের অ্যালগরিদমকে পক্ষপাত করতে পারেন ।

Comments

ধন্যবাদ। আমি নাবালক শ্রেণীর ওজন বাড়ানোর কথা ভাবছিলাম। তবে, আমি র‌্যান্ডমফোরস্ট শ্রেণিবদ্ধে কিছু দেখতে পাচ্ছি না (সেখানে এসজিডিক্লাসিফায়ার রয়েছে)

— বড় ডেটা প্রেমিক

ফিট পদ্ধতিটি একটি sample_weightপ্যারাম গ্রহণ করে (প্রতি প্যারামিটারে একটি ওজন) যা খুব নমনীয় এবং এটি অনুকরণ করা সম্ভব করে তোলে class_weight(লক্ষ্য শ্রেণীর জন্য এক ওজন)।

— ogrisel

ধন্যবাদ। যখন আমি ব্যবহার clf clf.fit (x, y, sample_weight = preprocessing.balance_weights (Y) = এটা আমার দেয় ValueError: operands আকার সঙ্গে একসঙ্গে সম্প্রচার করা যায়নি Y বাইনারি 0/1 হয়।

— বিগ ডেটা লাভার্স

এর আকৃতি কী y? আপনার আলাদা Yএবং কেন y?

— ogrisel