Question

我正在尝试进行如下的一个分类：

classifier = Pipeline([('vectorizer', CountVectorizer()),('tfidf', TfidfTransformer()),('clf', OneVsRestClassifier(SVC(kernel='rbf')))])

classifier.fit(X_train, Y)

predicted = classifier.predict(X_test)

我得到错误＆＃39;当probability = false＆＃39;时，predict_proba不可用。我看到有一个错误报告，下面的一个： https://github.com/scikit-learn/scikit-learn/issues/1946

它被关闭了，所以我杀了scikit-从我的Windows PC学习并完全重新下载scikit - 学习版本0.15.2。但我仍然得到这个错误。有什么建议？或者我理解错了，除非我指定probability = true，否则我仍然无法将SVC与OneVSRestClassifier一起使用？

更新：只是为了澄清，我试图实际实现多标签分类，这里是数据源：

df = pd.read_csv(fileIn, header = 0, encoding='utf-8-sig')
rows = random.sample(df.index, int(len(df) * 0.9))

work = df.ix[rows]

work_test = df.drop(rows)

X_train = []

y_train = []

X_test = []

y_test = []
for i in work[[i for i in list(work.columns.values) if i.startswith('Change')]].values:
    X_train.append(','.join(i.T.tolist()))

X_train = np.array(X_train)

for i in work[[i for i in list(work.columns.values) if i.startswith('Corax')]].values:
    y_train.append(list(i))


for i in work_test[[i for i in list(work_test.columns.values) if i.startswith('Change')]].values:
    X_test.append(','.join(i.T.tolist()))

X_test = np.array(X_test)

for i in work_test[[i for i in list(work_test.columns.values) if i.startswith('Corax')]].values:
    y_test.append(list(i))


lb = preprocessing.MultiLabelBinarizer()

Y = lb.fit_transform(y_train)

然后我将它发送到前面提到的管道

Answer 1

好的，我在代码中做了一些调查。 OneVsRestClassifier尝试首先调用decision_function，如果失败 - 它将用于基类分类器的predict_proba函数（在我们的例子中是svm.svc）。

据我所知，我的X_test是numpy.array的字符串列表。在它经历了管道CountVectorizer中指定的一系列转换之后 - ＆gt; TfidfTransformer它变成了一个稀疏矩阵（通过设计这些东西）。正如我所看到的，目前decision_function不适用于稀疏矩阵，甚至在github上有一个开放的建议：https://github.com/scikit-learn/scikit-learn/issues/73

因此，总而言之，看起来您无法使用svm.svc进行多标记分类，除非您指定probability = True。如果你这样做，你会给classifier.fit过程带来一些开销，但它会起作用。

Scikit-learn 0.15.2 - 由于predict_proba不可用，OneVsRestClassifier不起作用

1 个答案: