scikit多标签分类：ValueError：输入形状错误答案

【问题标题】：scikit multilabel classification: ValueError: bad input shapescikit多标签分类：ValueError：输入形状错误
【发布时间】：2013-12-18 14:34:18
【问题描述】：

我相信 SGDClassifier() 和 loss='log' 支持多标签分类，我不必使用 OneVsRestClassifier。 Check this

现在，我的数据集非常大，我正在使用 HashingVectorizer 并将结果作为输入传递给 SGDClassifier。我的目标有 42048 个特征。

当我运行这个时，如下：

clf.partial_fit(X_train_batch, y)

我得到：ValueError: bad input shape (300000, 42048)。

我也使用类作为参数如下，但还是同样的问题。

clf.partial_fit(X_train_batch, y, classes=np.arange(42048))

在 SGDClassifier 的文档中，它说y : numpy array of shape [n_samples]

【问题讨论】：

【解决方案1】：

不，SGDClassifier 不进行多标签分类 - 它进行 multiclass 分类，这是一个不同的问题，尽管两者都使用一对一来解决减少所有问题。

那么，SGD 和 OneVsRestClassifier.fit 都不会接受 y 的稀疏矩阵。正如您已经发现的那样，前者需要一系列标签。后者出于多标签目的需要标签列表列表，例如

y = [[1], [2, 3], [1, 3]]

表示X[0] 有标签1，X[1] 有标签{2,3} 和X[2] 有标签{1,3}。

【讨论】：

感谢拉斯曼斯。我进一步研究并澄清了我所有的答案。但我现在很担心，因为大约有 42000 多个标签，我可能不得不为每个标签分别提出 42K 估计器，我认为我不能在一台机器上完成所有这些工作。考虑使用ipython parallel和starcluster。
ValueError：您似乎在使用旧的多标签数据表示。不再支持序列序列；改用二进制数组或稀疏矩阵 - MultiLabelBinarizer 转换器可以转换为这种格式。