在SciKit-Learn

Question

使用python scikit处理分类问题，它的医疗诊断数据有6个功能和2个目标。我尝试使用一个目标，使用KNN算法训练模型，使用此模型预测精度为100％。

现在想要将其扩展到第二个目标，想要预测同一特征集的两个y值的结果（6列）。

以下是我的代码，我能够准确预测目标1的结果（'Outcome1-Urinary-bladder'）。如何扩展以预测第二个目标的结果（结果2-肾炎肾炎）。

X = Feature_set
y  = Target1['Outcome1-Urinary-bladder'].values
from sklearn.neighbors import KNeighborsClassifier
from sklearn import metrics
knn = KNeighborsClassifier(n_neighbors=1)
knn.fit(X,y)
y_predictor = knn.predict(X)
print metrics.accuracy_score(y,y_predictor)

Click here to view the dataset

对代码进行哪些修改以预测2个目标值的结果（'Outcome1-Urinary-bladder'＆amp; Outcome2-Nephritis-of-renal）？

请帮帮我。提前谢谢。

Answer 1

通常，您只需将分类器包装到one-rest-rest分类器包装器中：

http://scikit-learn.org/stable/modules/generated/sklearn.multiclass.OneVsRestClassifier.html#sklearn.multiclass.OneVsRestClassifier

用矩阵y喂它，它将同时有2列。

使用示例：

selClassifiers = {
    'linear': LinearSVC(),
    'linearWithSGD': SGDClassifier(),
    'rbf': SVC(kernel='rbf', probability=True),
    'poly': SVC(kernel='poly', probability=True),
    'sigmoid': SVC(kernel='sigmoid', probability=True),
    'bayes': MultinomialNB()
}

classifier = Pipeline([('vectorizer', CountVectorizer()),('tfidf', TfidfTransformer()),('clf', OneVsRestClassifier(selClassifiers[classif]))])

classifier.fit(X_train, Y)

predicted = classifier.predict(X_test)

all_labels = lb.inverse_transform(predicted)

正如@yangjie所指出的，对于你的特定分类器，没有必要包装它，它已经支持多输出分类。