我在为多类案件正确调用Scikit的Logistic回归方面遇到了麻烦。我正在使用lbgfs解算器，我确实将multi_class参数设置为multinomial。
我不清楚如何在拟合模型时传递真正的类标签。我假设它与随机森林分类器多类相似/相同，在那里传递[n_samples，m_classes]数据帧。但是，在执行此操作时，我收到数据形状不佳的错误。 ValueError：错误的输入形状（20,5） - 在这个小例子中，有5个类，20个样本。
在检查时，fit方法的文档说真值是作为[n_samples]传递的 - 它与我得到的错误相匹配 - 但是，我不知道如何训练模型有多个班级。所以，这是我的问题：如何将完整的类标签集传递给fit函数？
我无法在互联网上找到示例代码进行建模，也无法在StackOverflow上找到这个问题..但我确信有人必须知道该怎么做！
在下面的代码中，train_features = [n_samples，nn_features]，truth_train = [n_samples，m_classes]
clf = LogisticRegressionCV(class_weight='balanced', multi_class='multinomial', solver='lbfgs')
clf.fit(train_features, truth_train)
pred = clf.predict(test_features)
答案 0 :(得分：14)
简而言之，您似乎混淆了术语多类和多标记 http://scikit-learn.org/stable/modules/multiclass.html：
- 多类分类是指具有多个分类的分类任务 两个班;例如，分类可能是一组水果图像 橘子，苹果或梨。多类分类使得 假设每个样本都分配给一个且只有一个标签：a 水果既可以是苹果也可以是梨，但不能同时使用。
因此，数据为[n_samples, n_features]，标签为[n_samples]
- 多标签分类为每个样本分配一组目标 标签。这可以被认为是预测数据点的属性 不相互排斥的，例如与之相关的主题 一个文件。文本可能与宗教，政治，金融有关 或同时接受教育或不接受任何教育。
因此，数据为[n_samples, n_features]，标签为[n_samples, n_labels]
而且你似乎在寻找多标签（对于多类标签应该是1-dim）。目前，在sklearn中，支持多标签的唯一方法是：决策树，随机森林，最近邻，岭回归。
如果您想学习不同模型的多标签问题，只需使用OneVsRestClassifier作为LogisticRegression周围的多标签包装