scikit-learn 决策树中的多标签分类如何工作？

Question

我在对具有多个标签的输入进行分类时遇到了问题。所以问题是多标签分类。我使用 scikit-learn 决策树分类器来执行此操作，它在初始阶段给出了非常好的结果。但是，我想知道它是如何在幕后工作的，以及如何在决策树中进行拆分以进行多标签分类？一个重要的问题是如何用两个不同类别的标签同时训练一个初始化一次的模型？决策树模型将如何解决两组不同标签的优化任务？

Answer 1

实际上，决策树中的每个节点都具有与根节点相同的标签，但是每个标签的概率是不同的。当您运行 model.predict() 时，模型将预测作为具有最高概率的标签。您可以使用 model.predict_proba() 分别查看每个标签的概率。您可以使用此代码正确获取概率：

all_probs=pd.DataFrame(model.predict_proba(X_test),columns=model.classes_)