Python 如何有效地比较所有模型的准确性

我已经分割了训练数据并初始化了11个分类器模型，现在我想对它们进行比较

我在Ubuntu 18.04上运行VS代码

我试过：

# Prepare lists
models = [ran, knn, log, xgb, gbc, svc, ext, ada, gnb, gpc, bag]         
scores = []

# Sequentially fit and cross validate all models
for mod in models:
    mod.fit(X_train, y_train)
    acc = cross_val_score(mod, X_train, y_train, scoring = 
    "accuracy", cv = 10)
scores.append(acc.mean())

# Creating a table of results, ranked highest to lowest
results = pd.DataFrame({
    'Model': ['Random Forest', 'K Nearest Neighbour', 'Logistic 
     Regression', 'XGBoost', 'Gradient Boosting', 'SVC', 'Extra 
     Trees', 'AdaBoost', 'Gaussian Naive Bayes', 'Gaussian Process', 
     'Bagging Classifier'],
     'Score': scores})

返回最后一部分：

ValueError:数组的长度必须相同

我已经计算了2倍，实际上有11个模型

---

我缺少什么？

您的代码中似乎有缩进错误，请参见下面编辑的代码。在代码中，如果执行

len（scores）

操作，将得到

1

，因为在循环外调用append时，只添加最后一个值

# Prepare lists
models = [ran, knn, log, xgb, gbc, svc, ext, ada, gnb, gpc, bag]         
scores = []

# Sequentially fit and cross validate all models
for mod in models:
    mod.fit(X_train, y_train)
    acc = cross_val_score(mod, X_train, y_train, scoring = 
    "accuracy", cv = 10)
    scores.append(acc.mean())

---

在对上一个答案进行了投票之后，我继续证明错误确实是由于您的

分数。append（）

超出了您的

for

循环：

我们不需要实际适合任何模型；我们可以通过对代码进行以下修改来模拟这种情况，这些修改不会改变问题的本质：

import numpy as np
import pandas as pd

models = ['ran', 'knn', 'log', 'xgb', 'gbc', 'svc', 'ext', 'ada', 'gnb', 'gpc', 'bag']         
scores = []
cv=10

# Sequentially fit and cross validate all models
for mod in models:
    acc = np.array([np.random.rand() for i in range(cv)]) # simulate your accuracy here
scores.append(acc.mean()) # as in your code, i.e outside the for loop

# Create a dataframe of results
results = pd.DataFrame({
    'Model': ['Random Forest', 'K Nearest Neighbour', 'Logistic Regression', 'XGBoost', 'Gradient Boosting',  
    'SVC', 'Extra Trees', 'AdaBoost', 'Gaussian Naive Bayes', 'Gaussian Process', 'Bagging Classifier'],
    'Score': scores})

for mod in models:
    acc = np.array([np.random.rand() for i in range(cv)])
    scores.append(acc.mean()) # moved inside the loop

# Create a dataframe of results
results = pd.DataFrame({
    'Model': ['Random Forest', 'K Nearest Neighbour', 'Logistic Regression', 'XGBoost', 'Gradient Boosting',  
    'SVC', 'Extra Trees', 'AdaBoost', 'Gaussian Naive Bayes', 'Gaussian Process', 'Bagging Classifier'],
    'Score': scores})
print(results)
# output:
                   Model     Score
0          Random Forest  0.492364
1    K Nearest Neighbour  0.624068
2    Logistic Regression  0.613653
3                XGBoost  0.536488
4      Gradient Boosting  0.484195
5                    SVC  0.381556
6            Extra Trees  0.274922
7               AdaBoost  0.509297
8   Gaussian Naive Bayes  0.362866
9       Gaussian Process  0.606538
10    Bagging Classifier  0.393950

毫不奇怪，这实际上复制了您的错误：

ValueError: arrays must all be same length

因为，正如在另一个答案中已经指出的，您的

分数

列表只有一个元素，即仅来自循环最后一次迭代的

acc.mean（）

：

len(scores)
# 1
scores
# [0.47317491043203785]

因此熊猫抱怨，因为它无法填充11行数据帧

在

for

循环中移动

scores.append（）

，正如在另一个答案中所建议的那样，解决了以下问题：

import numpy as np
import pandas as pd

models = ['ran', 'knn', 'log', 'xgb', 'gbc', 'svc', 'ext', 'ada', 'gnb', 'gpc', 'bag']         
scores = []
cv=10

# Sequentially fit and cross validate all models
for mod in models:
    acc = np.array([np.random.rand() for i in range(cv)]) # simulate your accuracy here
scores.append(acc.mean()) # as in your code, i.e outside the for loop

# Create a dataframe of results
results = pd.DataFrame({
    'Model': ['Random Forest', 'K Nearest Neighbour', 'Logistic Regression', 'XGBoost', 'Gradient Boosting',  
    'SVC', 'Extra Trees', 'AdaBoost', 'Gaussian Naive Bayes', 'Gaussian Process', 'Bagging Classifier'],
    'Score': scores})

for mod in models:
    acc = np.array([np.random.rand() for i in range(cv)])
    scores.append(acc.mean()) # moved inside the loop

# Create a dataframe of results
results = pd.DataFrame({
    'Model': ['Random Forest', 'K Nearest Neighbour', 'Logistic Regression', 'XGBoost', 'Gradient Boosting',  
    'SVC', 'Extra Trees', 'AdaBoost', 'Gaussian Naive Bayes', 'Gaussian Process', 'Bagging Classifier'],
    'Score': scores})
print(results)
# output:
                   Model     Score
0          Random Forest  0.492364
1    K Nearest Neighbour  0.624068
2    Logistic Regression  0.613653
3                XGBoost  0.536488
4      Gradient Boosting  0.484195
5                    SVC  0.381556
6            Extra Trees  0.274922
7               AdaBoost  0.509297
8   Gaussian Naive Bayes  0.362866
9       Gaussian Process  0.606538
10    Bagging Classifier  0.393950

---

您可能还需要记住，您不需要代码中的

model.fit（）

部分-

cross\u val\u score

进行所有必要的拟合本身…

错误确切地出现在哪里？请包含完整的错误跟踪…@desertnaut返回熊猫数据帧的错误。您是否检查了以下答案（即移动

分数。追加（）

与

for

循环的其余部分内联）？欢迎使用SO；如果其中一个答案解决了你的问题，请接受它（请看）没有一个答案好到可以接受？不，这不是问题所在。返回代码最后一部分pandas dataframe的错误。@StanislavJirak这并不意味着答案是错误的；正如您的代码所示，

分数

变成了一个单一元素列表（即，您只从for循环中附加最后一个

acc.mean（）

），这确实会产生您报告的错误；请包含完整的错误跟踪…@StanislavJirak，您可以检查代码中

分数的长度，该长度将为
1
。您试图创建一个数据帧，其中一列中有
11
条目，另一列中有
1
条目，这会引发错误。如果抛出错误，则会发生该错误，因为列的长度不正确。我现在明白了。但是如何创建一个包含11列的空数组呢？我试过密码，你什么意思？为什么要创建空数组？这里建议的补救办法解决了您的问题，请参见我的答案以获得佐证…，很好的解释@StanislavJirak希望您理解代码的错误。