使用scikit-learn的多标签朴素贝叶斯分类

Question

我的分类问题大致描述如下：在工作中我们有问题跟踪软件，用于我们的大部分内部沟通。例如，当您需要其他团队的帮助时，您会在此软件中提出问题。每个问题都可以分配一个或多个标签。

例如，可能会为第一次安装笔记本电脑的新员工提出问题，该笔记本电脑设置为John Smith＆＃34;并贴上标签＆＃34;笔记本电脑问题＆＃34;和＃34;新员工入职。＆＃34;因此，对于给定的问题，可以有多个标签。

我正在尝试构建一个带有问题标题的分类器，并提供建议标签列表。我的主管要求我使用Naive Bayes算法执行此操作，这就是我正在尝试的。我正在使用scikit-learn。

首先，准确地说这是一个＆＃34;多标签＆＃34; scikit-learn文档（http://scikit-learn.org/stable/modules/multiclass.html）中描述的分类任务？这就是我的想法，但我并不完全理解＆＃34; Multioutput-multiclass classification＆＃34;所以我无法排除这种情况。同样，我预测每个样本的一个或多个类。

其次，Naive-Bayes（至少在scikit-learn中）看起来并不支持多标签。由于我（使用Naive-Bayes）卡住了（现在），我想我可以使用下面的方法来滚动我自己的多标签分类器。这看起来像是一种合理的方法吗？

• 为每个类训练一个Naive-Bayes二元分类器（为每个样本转换训练数据，以便如果样本在其各个类中具有该类，则标签仅为1，否则为0）。
• 然后，当我需要对样本进行预测时，我会使用每个二元分类器进行预测，而我的整体预测将是二进制分类器预测一个的标记。

最后，您能想到更好的方法吗？我的计划的巨大缺点是因为有大约2,000个标签，我需要创建2,000个分类器。这可能不是完全禁止的，但它并不完全理想。 Naive-bayes确实支持多类分类，所以我想知道是否有某种方法可以在单个分类器上进行破解（通过查看每个类生成的概率，如果它们存在）。

Answer 1

您建议的方法是有效的;它实际上是针对多标签分类问题而推广的一对一方法，它也被称为二元相关方法。由于您已在使用scikit-learn，因此您需要的功能已在sklearn.multiclass.OneVsRestClassifier module中实施。

唯一的要求是将标签格式化为适当的形状[n_samples, n_classes]数组，但对scikit-learn的标签编码器来说这也很简单。