时间戳

首页 > 解决方案 > 当类错误具有不同权重时用于多类分类的自定义指标

python - 当类错误具有不同权重时用于多类分类的自定义指标

问题描述

我有一个多类分类问题（例如，目标变量由 4 个不同的结果组成：产品 A、产品 B、产品 C 和无产品）。并非所有的错误都是相等的：例如，如果真正的标签是“产品 A”，而预测是“无产品”，这不是一个大问题，而如果真正的标签是“产品 C”，则错误的影响是大得多。基本上，我必须将这些信息插入到算法的损失函数中（我目前使用的是 Xg-Boost、随机森林、ecc）。

关于如何在 scikit-learn 或 Python 上的其他 ML 库上实现它的任何想法？

标签： pythonmachine-learningscikit-learnclassificationmetrics

解决方案

假设这是您的类的映射：

{'Product A':0, 'Product B':1, 'Product C':2, 'NO Product':3)}

然后从sklearn.ensemble.RandomForestClassifier文档中，使用class_weight如下：

rf = RandomForestClassifier(n_estimators = 100, class_weight = {0:1,1:1,2:2,3:1})

这将赋予更多的权重'Product C'

推荐阅读