Question

免责声明：我对AI，Python，NLTK和scikit-learn都很陌生。

我正在尝试训练分类器，将一组文档分类为一组标签。

我正在使用NLTK包装器与scikit-learn的OneVsRestClassifier交谈。

training_set = [
    [{"car": True, ...}, "Label 1"],
    [{"car": False, ...}, "Label 2"],
    ...
    [{"car": False, ...}, "Label 1"],
]

ovr = SklearnClassifier(OneVsRestClassifier(MultinomialNB()))
ovr.train(training_set)

这适用于多类分类，其中分类器尝试仅将文档分类为标签。准确性很好，但我希望分类器为文档分配0,1个或更多标签。我怎样才能做到这一点？

可悲的是，我不能只是初始化分类器，告诉它是一个多标签分类器，documentation说：

此策略也可用于多标签学习，其中包含分类器用于预测多个标签，例如，通过拟合二维矩阵其中，如果样本i具有标记j，则单元格[i，j]为1，否则为0。

这对我来说并不是很清楚，因为我不熟悉这种语言。我觉得我必须以这样的方式塑造我的训练集，以便分类器能够理解我希望它能够对我的数据进行多标签分类吗？如果有，怎么样？

我试图在数组中提供标签，如下所示：

training_set = [
    [{"car": True, ...}, ["Label 1"]],
    [{"car": False, ...}, ["Label 2"]],
    ...
    [{"car": False, ...}, ["Label 1"]],
]

这没有按预期工作并提出：

DataConversionWarning: A column-vector y was passed when a 1d array was expected. Please change the shape of y to (n_samples, ), for example using ravel().
  y = column_or_1d(y, warn=True)
One-vs-rest accuracy percent: 0.0

Answer 1

试图说明的是，使用2-D矩阵作为目标。所以基本上，你的训练集可以是，

training_set = [
    [{"car": True, ...}, [is_label_1, is_label_2, is_label_3]],
    [{"car": False, ...}, [is_label_1, is_label_2, is_label_3]],
    ...
    [{"car": False, ...}, [is_label_1, is_label_2, is_label_3]],
]

对于特定样本，请使用多个标签对其进行训练，例如对于第一个样品，如果存在标签1和标签3，则将其作为[1,0,1]传递。

希望，答案很清楚。

Answer 2

我通过将NLTK移除到scikit-learn适配器并导入NLTK模块以帮助我将数据结构转换为可供应用于scikit-learn OneVsRestClassifier的内容来解决这个问题。

from nltk import compat
from sklearn.feature_extraction import DictVectorizer
from sklearn.naive_bayes import MultinomialNB
from sklearn.multiclass import OneVsRestClassifier

_vectorizer = DictVectorizer(dtype=float, sparse=True)

def prepare_scikit_x_and_y(labeled_featuresets):
    X, y = list(compat.izip(*labeled_featuresets))
    X = _vectorizer.fit_transform(X)

    set_of_labels = []
    for label in y:
        set_of_labels.append(set(label))

    y = self.mlb.fit_transform(set_of_labels)

    return X, y

def train_classifier(labeled_featuresets):
    X, y = prepare_scikit_x_and_y(labeled_featuresets)
    classifier.fit(X, y)

training_set = [
    [{"car": True, ...}, ["Label 1"]],
    [{"car": False, ...}, ["Label 2"]],
    ...
    [{"car": False, ...}, ["Label 1"]],
]


ovr = OneVsRestClassifier(MultinomialNB())
ovr.train(training_set)

快乐的豆子

使用NLTK，scikit-learn和OneVsRestClassifier打开多标签分类

2 个答案: