我想对一组三维图像（MRI）进行分类。有4个等级（即疾病等级A，B，C，D），其中4个等级之间的区别并不简单，因此我对训练数据的标签不是每个图像一个等级。它是一组4个概率，每个类别一个，例如
0.7 0.1 0.05 0.15
0.35 0.2 0.45 0.0
...
...基本上意味着
我不明白如何使用这些标签来拟合模型，因为scikit-learn分类器每个训练数据只需要1个标签。仅使用具有最高概率的类会导致悲惨的结果。
我可以用scikit-learn多标签分类（以及如何）训练我的模型吗？
请注意：
答案 0 :(得分：-1)
我可以用多重分类框架以某种方式处理这个问题吗？
要使predict_proba返回每个A，B，C，D类的概率，需要使用每个图像一个标签训练分类器。
如果是：怎么样？
将图像类用作训练集中的标签（Y）。那就是你的输入数据集看起来像这样：
F1 F2 F3 F4 Y
1 0 1 0 A
0 1 1 1 B
1 0 0 0 C
0 0 0 1 D
(...)
其中F#是每张图片的功能，Y是由医生分类的类。
如果否：还有其他方法吗？
对于每个图像有多个标签，即多个潜在类别或其各自概率的情况，多标签模型可能是更合适的选择，如Multiclass and multilabel algorithms中所述。