Saya mengikuti contoh ini di situs scikit-learn untuk melakukan klasifikasi multioutput dengan model Random Forest.
from sklearn.datasets import make_classification
from sklearn.multioutput import MultiOutputClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.utils import shuffle
import numpy as np
X, y1 = make_classification(n_samples=5, n_features=5, n_informative=2, n_classes=2, random_state=1)
y2 = shuffle(y1, random_state=1)
Y = np.vstack((y1, y2)).T
forest = RandomForestClassifier(n_estimators=10, random_state=1)
multi_target_forest = MultiOutputClassifier(forest, n_jobs=-1)
multi_target_forest.fit(X, Y).predict(X)
print(multi_target_forest.predict_proba(X))
Dari ini predict_proba
saya mendapatkan 2 array 5x2:
[array([[ 0.8, 0.2],
[ 0.4, 0.6],
[ 0.8, 0.2],
[ 0.9, 0.1],
[ 0.4, 0.6]]), array([[ 0.6, 0.4],
[ 0.1, 0.9],
[ 0.2, 0.8],
[ 0.9, 0.1],
[ 0.9, 0.1]])]
Saya benar-benar mengharapkan n_sample
oleh n_classes
matriks. Saya berjuang untuk memahami bagaimana ini berhubungan dengan probabilitas kelas yang ada.
The docs untuk predict_proba
negara:
array of shape = [n_samples, n_classes], atau daftar n_outputs array tersebut jika n_outputs> 1.
Probabilitas kelas dari sampel input. Urutan kelas sesuai dengan yang ada di atribut class_.
Saya kira saya memiliki yang terakhir dalam deskripsi, tetapi saya masih berjuang untuk memahami bagaimana ini berkaitan dengan probabilitas kelas saya.
Lebih jauh, ketika saya mencoba mengakses classes_
atribut untuk forest
model saya mendapatkan AttributeError
dan atribut ini tidak ada di MultiOutputClassifier
. Bagaimana saya bisa menghubungkan kelas dengan output?
print(forest.classes_)
AttributeError: 'RandomForestClassifier' object has no attribute 'classes_'