Ich habe die folgenden Maschinen Pipeline in Python mit verschachtelter Kreuzvalidierung Lernen:Erste Wahrscheinlichkeiten von cross_val_score
from sklearn.model_selection import StratifiedShuffleSplit
from sklearn.svm import SVC
sss_outer = StratifiedShuffleSplit(n_splits=5, test_size=0.4, random_state=15)
sss_inner = StratifiedShuffleSplit(n_splits=3, test_size=0.2, random_state=16)
pipe_svm = Pipeline([('scl', StandardScaler()), ('clf', SVC(kernel="linear"))])
parameters = {'clf__C': logspace(-4, 1, 50)}
grid_search = GridSearchCV(estimator=pipe_svm, param_grid=parameters, verbose=1, scoring='roc_auc', cv=sss_inner)
cross_val_score(grid_search, X, y, cv=sss_outer)
Jetzt würde ich Wahrscheinlichkeiten wie aus cross_val_score zu bekommen, so dass ich die AUC berechnen und zeichnen die ROC und Präzision/Rückrufkurve. Wie kann das gemacht werden?
Haben Sie versucht: 'cross_val_score (grid_search, X, y, cv = sss_outer, scoren = 'roc_auc')' –
Ja, aber dann bekomme ich nur die AUC als Ergebnis, aber ich kann die ROC und Präzision nicht plotten/Rückrufkurve. – machinery