sklearn，ExtraTreesClassifier混淆评分

Question

我有2个不平衡的类，50000个样本和肯定在集合中出现％5。数据是二维的。

的问题是，我使用ExtraTreesClassifier。 oob_score_看起来不错，但是当我审视F1得分与cross_validation.cross_val_score，我得到低值。我完全困惑，我的分类器是好的或垃圾。

from sklearn.ensemble import ExtraTreesClassifier 
trees = ExtraTreesClassifier(bootstrap=true, oob_score=True,n_estimators=100,class_weight="auto") 

for i in range(1, 101): 
    trees.set_params(n_estimators=i)  
    trees.fit(x,y) 
    print trees.oob_score_ 

它打印 0.919955 0.919353 0.919353 ...增加。

当我做一个

from sklearn import cross_validation as cval 
cv = cval.StratifiedKFold(y, 2) 
cval.cross_val_score(trees, x, y, scoring="f1", cv=cv) 

结果是 阵列（[0.01604747，0.01250169]） ，这是相当不好的。

有人能够启发我吗？提前致谢。

Answer 1

包袋评分指标是准确度。鉴于您的数据不平衡，结果是正常的。

有一个停顿拉请求，允许选择得分指标 https://github.com/scikit-learn/scikit-learn/pull/3723

现在，你仍然可以使用oob_decision_score_属性计算OOB F1-得分。