小编Ric*_*ray的帖子

在 scikit-learn 网站上的 OneVsRestClassifier 文档中，它指出了以下内容：

“由于每个类仅由一个和一个分类器表示，因此可以通过检查其相应的分类器来获取有关该类的知识。”

但它没有解释如何做到这一点，而且我看不到本页文档中的任何方法如何实现这一点。我希望能够打印出每个类别的模型的准确性，以便我可以看到它在预测每个类别时的性能。

到目前为止我的代码如下，但我真的不知道从这里开始哪里，因为文档中似乎没有任何内容解释了如何执行此操作。任何帮助深表感谢。

def predict_one_vs_rest(self):
    clf = OneVsRestClassifier(LinearSVC(random_state=0))
    clf.fit(self.X, self.y)
    result = clf.classes_
    estimators = clf.estimators_
    print(result)
    print("")
    print(estimators)

我正在使用数据的多类分类创建模型,它具有6个功能.我使用LabelEncoder使用下面的代码预处理数据.

#Encodes the data for each column.
def pre_process_data(self):
    self.encode_column('feedback_rating')
    self.encode_column('location')
    self.encode_column('condition_id')
    self.encode_column('auction_length')
    self.encode_column('model')
    self.encode_column('gb') 

#Gets the column using the column name, transforms the column data and resets
#the column
def encode_column(self, name):
    le = preprocessing.LabelEncoder()
    current_column = np.array(self.X_df[name]).tolist()
    self.X_df[name] = le.fit_transform(current_column)

当我想预测一个新实例时,我需要转换新实例的数据,以使这些特征与模型中的特征匹配相同的编码.有没有一种简单的方法来实现这一目标？

此外,如果我想保留模型并检索它,那么是否有一种简单的方法来保存编码格式,以便使用它来转换检索到的模型上的新实例？