如果我们使用4标签分类，如何计算随机森林分类器的准确度？

Question

我想预测一下过去十年销售的产品的质量属性。 根据喜欢/不喜欢的产品，我保留了4个标签 标签是：坏，好，非常好，非常坏

我下载了过去十年的数据，并将样本分类在这4个标签中。当我将输入放入随机森林分类器时，它给出了有效结果并给出了特征重要性：

以下是相同的代码：

classifier = RandomForestClassifier(
        n_estimators=100, n_jobs=6, oob_score=True, random_state=50,
        max_features="auto", min_samples_leaf=50
    )
    '''

    classifier = RandomForestClassifier(
        n_estimators=100, n_jobs=6, oob_score=True, random_state=50#, max_depth=3
    )

我只想了解，我们如何计算模型的精度，因为它有4个标签。你知道吗

Answer 1

您可以检查一些精度来评估模型质量；第一个是总体模型精度（它正确了多少）。为此，您可以简单地使用sklearnaccuracy score

from sklearn.metrics import accuracy_score
accuracy_score(y_true, y_pred)

当然，这并没有给你足够的信息，关于哪个类被分类，以及什么（例如，将非常好的分类为好的可能比坏的更容易接受）。为此，您需要一个confusion matrix

from sklearn.metrics import confusion_matrix
confusion_matrix(y_true, y_pred)

你可能还想研究回忆和精确性，因为它们有助于理解矩阵并对其进行量化。 由于标签是排序的，所以您还可以将它们转换为int值，并使用回归而不是分类来解决问题（然后将输出转换回int）。这样模型就可以理解顺序，从而得到有序分类。你知道吗

编辑：

如果答案不清楚，可以通过以下方式获得y_pred：

classifier.fit(x_train, y_train)
y_pred = classifier.predict(x_val)