利用分类器选择N个最佳分类器

Question

这里很简单的问题，但似乎找不到答案，在通常伟大的文件，为滑雪。

我正在使用二进制分类器，但我们可以假设我使用的是LogisticRegression，我想知道是否有一种让分类器选择的通用方法，比如只有10个最佳(最确定的)数据点？

例如，假设我训练一个数据点为500 K的集合，我的测试集有10K行，而在10K中，我只想选择最有可能成为真正正面结果的10条。这有道理吗？

我已经读过class_weights属性，并且一直在使用它，它可以很好地为每个二进制结果类赋予更多/更少的权重，但它并不完全适用于我想要的结果，因为它总是给出不同数量的位置预测，而且我无法真正确定分类器对每一个位置的预测。

Answer 1

在模型训练过程中，class_weight被用来训练一个更好的模型(我们称之为clf)。

你的问题是如何选择最确定的预测。只需预测概率(对于二进制分类，这将是正类的概率)。

y_test_predicted_probability = clf.predict_proba(X_test)

然后选择y_test_predicted_probability最高的10分

#some code to do this
top_picks_indexes = y_test_predicted_probability[:,1].argsort()[-10:] # chose top 10 probabilities for class = 1

# create a vector, Y_top_picks, with all zeros except ones for the selected top probabilities
Y_top_picks = np.zeros(len(X_test))
Y_top_picks[top_picks_indexes] = 1