使用文本和数字数据进行多类预测

Question

我正在尝试为包含数字和文本特征的数据集创建预测模型（或分类） 使用 Tf-IdfVectorizer，我设法将文本列转换为列表 所以文本列中的每个单元格都是一个浮点数列表，例如 [0.0 0.3567 0.0 0.0]（不带逗号）。 我的目标功能是一组类。每行可以有多个值，例如

[a, b, c, 1]
[1, d]
[]

问题是如何预处理目标变量，以便我的模型进行分类预测？我尝试了标签编码，但它为每一行创建了新的编码，因此相同的整数被编码到不同行的不同类。

我计划接受超过某个阈值的每一行的所有预测。是否有模型也支持这一点？ 非常感谢提前

Answer 1

一种方法是针对每个标签单独训练分类器（每个样本是否具有特定标签将是二元分类）。另一个想法是将标签二值化并进行多类分类，但最后删除 softmax 函数（它将对数概率归一化为总和为 1）并为每个标签应用逻辑损失。

Keras 在这里会很容易使用。