SKlearn 分类器的诅咒
Curse of the SKlearn Classifiers
假设我们有 1,000 颗珠子，其中 900 颗是红色的，100 颗是蓝色的。当我运行问题通过SKlearn分类器集成时，
得分=clf.score(X_test,y_test)
然而，他们给出了大约 0.9 的分数，当我查看预测时，我发现它预测所有这些都是红色的，这就是它以 %90 的准确率得出的结果！请告诉我我做错了什么？更好的是，发生这种情况意味着什么？有没有更好的方法来衡量准确性？
你有一个不平衡的分类问题。你是write，默认score衡量的是accuracy，但是对于不平衡的数据还是建议看recall和precision。
This video explains it better than I could
上面的视频向您展示了您应该如何衡量数据的分类性能。为了处理数据不平衡，你检查imblearn库：
当您的数据集不平衡并且您选择 accuracy 作为指标时，可能会发生这种情况。原因是 always 决定红色，模型实际上在准确性方面做得很好，但正如您所注意到的，模型是无用的！
为了克服这个问题，您有一些选择，例如：
1. 使用其他指标，如 AUC（roc 曲线下面积）等
2.对classes使用不同的权重，对少数class.
给予更多的权重
3.使用简单的过采样或欠采样方法，或其他更复杂的方法，如SMOTE、ADASYN等
你也可以看看this article。
您遇到的这个问题在实际应用中很常见。
假设我们有 1,000 颗珠子，其中 900 颗是红色的，100 颗是蓝色的。当我运行问题通过SKlearn分类器集成时，
得分=clf.score(X_test,y_test)
然而，他们给出了大约 0.9 的分数，当我查看预测时，我发现它预测所有这些都是红色的，这就是它以 %90 的准确率得出的结果！请告诉我我做错了什么？更好的是，发生这种情况意味着什么？有没有更好的方法来衡量准确性？
你有一个不平衡的分类问题。你是write，默认score衡量的是accuracy，但是对于不平衡的数据还是建议看recall和precision。
This video explains it better than I could
上面的视频向您展示了您应该如何衡量数据的分类性能。为了处理数据不平衡，你检查imblearn库：
当您的数据集不平衡并且您选择 accuracy 作为指标时，可能会发生这种情况。原因是 always 决定红色，模型实际上在准确性方面做得很好，但正如您所注意到的，模型是无用的！
为了克服这个问题，您有一些选择，例如：
1. 使用其他指标，如 AUC（roc 曲线下面积）等
2.对classes使用不同的权重，对少数class.
给予更多的权重
3.使用简单的过采样或欠采样方法，或其他更复杂的方法，如SMOTE、ADASYN等
你也可以看看this article。
您遇到的这个问题在实际应用中很常见。