我正在尝试使用scikit-learn中的make_classification生成一系列综合数据集，并具有不同的样本大小，患病率（即，阳性类别的比例）和准确性。改变样本量和患病率非常简单，但是我很难使用逻辑回归生成任何精度低于50％的数据集。玩弄信息性列的数量，每个类的簇的数量以及flip_y参数（随机翻转给定比例的观测值的类）似乎降低了准确性，但并没有我想要的那么多。有没有一种方法可以改变make_classification的参数，从而进一步降低该参数（例如，降低到20％）？
谢谢！
通常，将极低的数量n_samples，随机翻转标签的高可能性flip_y和大量的数量相结合，n_classes可以将您带到您想要的位置。
您可以尝试以下操作：
from sklearn.cross_validation import cross_val_score
from sklearn.datasets import make_classification
from sklearn.linear_model import LogisticRegression
lr = LogisticRegression()
# 2-class problem
X, y = make_classification(n_samples=100, n_informative=2, flip_y=0.8, random_state=42)
cross_val_score(estimator=lr, X=X, y=y, scoring='accuracy', cv=10)
# Output
array([ 0.54545455, 0.27272727, 0.45454545, 0.2 , 0.4 ,
0.5 , 0.7 , 0.55555556, 0.55555556, 0.44444444])
# 8-class problem
X, y = make_classification(n_samples=100, n_classes=8, n_informative=4, n_clusters_per_class=1, flip_y=0.5, random_state=42)
cross_val_score(estimator=lr, X=X, y=y, scoring='accuracy', cv=5)
# Output
array([ 0.16666667, 0.19047619, 0.15 , 0.16666667, 0.29411765])
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句