Question

我们说我从训练集中选择了一份培训文件。我把它放到了我选择的特征的特征向量X中。

我正在尝试：

self.clf = LogisticRegression()
self.clf.fit(X, Y)

我的Y会是这样的： [0 0 0 1 1 0 1 0 0 1 0]

我想训练我的单一模型，以便最佳地同时适应11个输出值中的每一个。这似乎不适用于fit，因为我得到一个unhashable type 'list'错误，因为它期望一个值为ether二进制或多类但不允许多个值。

有没有用sci-kit学习呢？

Answer 1

多标签分类与普通分类有一些不同的API。您的Y应该是一系列序列，例如列表列表，例如

Y = [["foo", "bar"],          # the first sample is a foo and a bar
     ["foo"],                 # the second is only a foo
     ["bar", "baz"]]          # the third is a bar and a baz

然后可以将这样的Y提供给处理多个分类的估计器。您可以使用OneVsRestClassifier包装器构建这样的估算器：

from sklearn.multiclass import OneVsRestClassifier
clf = OneVsRestClassifier(LogisticRegression())

然后用clf.fit(X, Y)训练。 clf.predict现在也会生成序列序列。

UPDATE 自scikit-learn 0.15起，此API已弃用，因为其输入不明确。您应该将我上面提到的Y转换为带有MultiLabelBinarizer的矩阵：

>>> from sklearn.preprocessing import MultiLabelBinarizer
>>> mlb = MultiLabelBinarizer()
>>> mlb.fit_transform(Y)
array([[1, 0, 1],
       [0, 0, 1],
       [1, 1, 0]])

然后将其提供给估算工具的fit方法。使用相同的二进制文件

上的inverse_transform进行转换

>>> mlb.inverse_transform(mlb.transform(Y))
[('bar', 'foo'), ('foo',), ('bar', 'baz')]

Answer 2

请您具体说明您的任务是什么？标签是二进制变量的固定长度向量吗？然后，这将被称为多标签分类（即，多个标签打开或关闭）。如果每个标签可以有两个以上的值，则在scikit-learn中称为“多输出”，并且只能通过树和集合来完成。

PS：如果使用线性分类器（如逻辑回归），输出变量将以任何方式独立处理。

用sci-kit分类学习多值输出

2 个答案: