不平衡的数据集使用scikit-learn进行负例数量优势​​​​​​​

Question

我有一个不平衡的二进制数据集，大多数是1个标签（6比1）。在

我用一个LinearSVC模型运行GridSearchCV，使用class\u weight='balanced'优化'C'参数。因为1个多数，我想我需要一个像'metrics.average_precision_得分'有一个区别：它将根据0标签而不是1来计算分数

1. 我这样做对吗？在
2. 我有办法吗？在

Answer 1

我最终在Scikit评分函数文档中找到了答案。在

可以根据负面标签计算得分，方法是将其重新定义为“正面标签”（仅用于评分）。例如：

from sklearn.model_selection import GridSearchCV
from sklearn.metrics import precision_score, make scorer
# here the scoring function is created. make_scorer passes the pos_label=0
# argument to sklearn.metrics.precision_score() to create the desired function. 
neg_precision = make_scorer(precision_score, pos_label=0)
# some random C parameters for completion
params = {'C': [0.01, 0.03, 0.1, 0.3, 1, 3, 10]}
clf = GridSearchCV(LinearSVC(class_weight='balanced'), cv=10,param_grid=params, scoring=neg_precision)
clf.fit(X, y)

我个人决定使用scoring='f1'u macro'。这将计算正标签的f1分数和负标签的f1分数的非加权平均值。这产生了我追求的结果。在