我想知道是否有人可以就此主题提供一些一般性指导。
我有一个包含许多类（如400）的多类分类问题，但这些类被分解为不同的列（确切地说是3 3列）。它们也是基于分类的（2取决于1,3取决于2）。我正在尝试找出处理堆叠3个模型的最佳方法，根据从单个文本列（大约30k特征）派生的文档术语矩阵对记录进行分类。
因此，想法是让分类器1对级别1类别进行分类并将相同的DTM馈送到分类器2，但仅具有可用的级别2类别，其是分类器1选择的级别1类别的子集，依此类推。这样，从一个级别到另一个级别就不会有任何不合逻辑的预测。
你知道sci-kit learn是否有一种很好的方法来执行这种相互依赖的建模？如果没有，在熊猫中做到这一点的最佳方法是什么？我想我可以根据先前的预测值过滤1级以上的预测列表，然后取argmax，但不确定这是否会缩放。