Python sklearn log_loss如何知道概率的顺序？

考虑sklearn文档中有关日志丢失的示例：

从sklearn.metrics导入日志丢失
日志损失（[“垃圾邮件”、“火腿”、“火腿”、“垃圾邮件”]、[[1.9]、[9.1]、[8.2]、[35.65]）

运行这个程序，我们得到了~0.216的输出。该模型在火腿和垃圾邮件分类方面相当出色

sklearn如何知道第一种概率是

ham

，第二种概率是

spam

如果我想翻转标签，即第一个是

垃圾邮件

，第二个是

火腿

，我该怎么做？显式提供labels参数不起作用：

log_损失（[“垃圾邮件”、“火腿”、“火腿”、“垃圾邮件”]、[[1.9]、[9.1]、[8.2]、[35.65]、标签=[“火腿”、“垃圾邮件”]）

产出：0.216

log_损失（[“垃圾邮件”、“火腿”、“火腿”、“垃圾邮件”]、[[1.9]、[9.1]、[8.2]、[35.65]、标签=[“垃圾邮件”、“火腿”]）

产出：0.216

---

注意，这不是关于根据的真理标签顺序的问题，而是关于概率顺序的问题。

sklearn.metrics.log\u loss

假设概率标签按字母顺序排列。这一点可以从中看出

要翻转标签，您需要按相反的字母顺序重命名标签，例如

aspam

和

bham

：

从sklearn.metrics导入日志\u丢失
日志损失（[“aspam”、“bham”、“bham”、“aspam”]、[[1.9]、[9.1]、[8.2]、[35.65]）

---

输出：~1.816。

在检查相关代码之前先查看源代码，可以说是过火了。