如何在 Scikit-learn 中为多标签处理响应 OneVsRestClassifier答案

【问题标题】：How to treat response OneVsRestClassifier in Scikit-learn for multilabel如何在 Scikit-learn 中为多标签处理响应 OneVsRestClassifier
【发布时间】：2016-10-16 15:09:48
【问题描述】：

我是 Scikit-learn 和分类方面的新手。我的任务是一个多标签分类问题。据我了解predict 返回带有n 元组的数组，这与样本中的特征数量相同。这是什么意思？如何获得严格的顺序和严格的预测值数量？因为x_test = X_train[0] 输出Result [('a', 'c'), (), ()] 和x_test = X_train[0] 输出Result [('a',), (), ()]

import numpy as np
from sklearn.svm import SVC
from sklearn.multiclass import OneVsRestClassifier
from sklearn.preprocessing import MultiLabelBinarizer

input_data = [
  [0, 2, 0, 'a', 'c'],
  [0, 2, 0, 'a', 'c'],
  [0, 2, 0, 'a', 'c'],
  [0, 1, 0, 'a', 'c'],
  [1, 2, 1, 'b', 'e'],
  [1, 2, 0, 'b', 'd'],
  [1, 2, 0, 'a', 'e'],
  [1, 2, 0, 'a', 'd'],
  [1, 1, 0, 'a', 'c']
]
X = [x[0:3] for x in input_data]
y = [x[-2:] for x in input_data]


X_train = np.array(X)
y_train = np.array(y)
mlb = MultiLabelBinarizer()
y_train = mlb.fit_transform(y_train)

classifier = OneVsRestClassifier(SVC())

classifier.fit(X_train, y_train)

x_test = X_train[0]
result = classifier.predict(x_test)
labels = mlb.inverse_transform(result)
print("Result %s" % labels)

【问题讨论】：

标签： python scikit-learn classification multilabel-classification

【解决方案1】：

您的结果为您的五个类是积极的或负面的，所以，用于测试的[0]和“第二个”和“A”的“C”。 Multilabel分类的目的是将每个数据标记为五个类的0-5。

如果您想要严格的两个标签，您可以运行两个单个标签分类，可能就足够了。

【讨论】：