多类分类如何计算加权精度？

Question

我对不平衡的类进行多类分类。我使用SGDClassifier(), GradientBoostingClassifier(), RandomForestClassifier(), and LogisticRegression()和class_weight='balanced'。比较结果。需要计算精度。我尝试了以下方法来计算加权精度：

n_samples = len(y_train)
weights_cof = float(n_samples)/(n_classes*np.bincount(data[target_label].as_matrix().astype(int))[1:])
sample_weights = np.ones((n_samples,n_classes)) * weights_cof
print accuracy_score(y_test, y_pred, sample_weight=sample_weights)

y_train是一个二进制数组。因此sample_weights与y_train（n_samples, n_classes）具有相同的形状。运行脚本时，收到以下错误：

更新：

^{pr2}$

Answer 1

这个错误似乎表明样本权重和y_test/y_pred数组的形状不同。基本上，该方法使用y_test == y_pred创建一个布尔数组，并将其与sample_weights一起传递给np.average。该方法中的第一个检查是确保输入的数组和权重的形状相同，在本例中显然不是这样。在

更新

你的评论“sample_weights，yüu test，和y_pred具有相同的形状（n_samples，n_classes）”暴露了这个问题。根据^{}，y_pred和{}（在您的例子中，y_test和{}）应该是一维的。你可能在使用一个热编码标签吗？如果是这样，您应该将它们转换为单值标签，然后再次尝试精度分数。在