scikit-learn中的“得分必须返回数字” cross_val_score错误

Question

也许这是一个愚蠢的问题，但是我不明白cross_val_score下面代码中的函数给我的错误。也许答案是X样本格式的，看到的正是崩溃消息中显示的内容，但是我不知道如何解决。这是我的项目中的代码，带有一些随机值。

import numpy as np
from sklearn import mixture,cross_validation

np.random.seed(0)
n_samples = 300
C = np.array([[0., -0.7], [3.5, .7]])
X = np.r_[np.dot(np.random.randn(n_samples, 2), C),
          np.random.randn(n_samples, 2) + np.array([20, 20])]

clf = mixture.GMM(n_components=2, covariance_type='full')
score = cross_validation.cross_val_score(clf, X)

给我错误：

ValueError: scoring must return a number, got (<type 'numpy.ndarray'>) instead

Answer 1

我认为这可能是 scikit 中的一个问题。cross_val_score最终调用该score函数以获取传递给它的任何估计器。通常，score（例如 in KMeans）返回 float。当KMeans估计器传递给时cross_val_score，一切都很好：

>>> clf = cluster.KMeans()
>>> score = cross_validation.cross_val_score(clf, X)
# (no error)    

请注意 的返回类型score：

>>> clf = cluster.KMeans()
>>> clf.fit(X)
>>> type(clf.score(X))
numpy.float64

当score对一个数组进行调用时，会返回GMM一个数组。

>>> clf = mixture.GMM()
>>> clf.fit(X)
>>> type(clf.score(X))
numpy.ndarray

因为cross_val_score依赖于clf.score()返回浮点数，所以您看到的错误消息是有意义的。

解决方法是配备cross_val_score您自己的记分员。例如，要获取 所返回分数的平均值GMM.score()，请创建以下评分函数：

>>> scorer = lambda est, data: np.mean(est.score(data))

然后您可以将此记分器作为参数传递给cross_val_score：

>>> score = cross_validation.cross_val_score(clf, X, scoring=scorer)

这可以避免错误，我认为或多或少应该做你正在寻找的事情。我不确定平均值是否一定是总结分数的最佳方式，尽管它看起来足够合理。但从这里您可以定义自己的方法。