如何对以下问题进行多标签分类或多类分类？熊猫蟒

Question

我的原始数据是这样的。

    id  season   home_team  away_team  home_goals  away_goals result winner
 0  0   2006-07  Shu        Liv        1           1          D      NaN
 1  1   2006-07  Ars        Avl        1           1          D      NaN
 2  2   2006-07  Eve        Wat        2           1          H      Eve
 3  3   2006-07  New        Wig        2           1          H      New
 4  4   2006-07  Por        Bla        3           0          H      Por

目的是建立一个模型来预测 即

Home Team Win 55%

Draw          13%

Away Team Win 32%

我选择了这 3 列并对其进行了标签编码

home_team, away_team, winner

然后我创建了这些新的类/标签。

df.loc[df["winner"]==df["home_team"],"home_team_win"]=1
df.loc[df["winner"]!=df["home_team"],"home_team_win"]=0

df.loc[df["result"]=='D',"draw"]=1
df.loc[df["result"]!='D',"draw"]=0

df.loc[df["winner"]==df["away_team"],"away_team_win"]=1
df.loc[df["winner"]!=df["away_team"],"away_team_win"]=0

现在编码后的数据是这样的，

    home_team   away_team   home_team_win   away_team_win   draw
0   28          19          0               0               1
1   1           2           0               0               1
2   14          34          1               0               0
3   23          37          1               0               0
4   25          4           1               0               0

最初，我将下面的代码用于单个标签 'home_team_win'，效果很好，但它不支持多类/标签。

X = prediction_df.drop(['home_team_win'] ,axis=1)

y = prediction_df['home_team_win']

logReg=LogisticRegression(solver='lbfgs')

rfe = RFE(logReg, 20)

rfe = rfe.fit(X, y.values.ravel())

这个问题怎么做多标签分类或多类分类？

Answer 1

目标二进制变量home_team_win、away_team_win和draw是互斥的。在这个问题中使用多标签方法似乎不是一个好主意，因为一般来说，它们旨在利用标签之间的依赖关系，这在这个数据集中是不存在的。

我建议将其建模为最常见形式的多类问题，其中有一列包含三个类：0、1 和 2（代表 home_team_loss、draw、away_team_win）。 scikit-learn 中的许多分类器实现都可以直接以这种方式工作。逻辑回归就是其中之一：

from sklearn.linear_model import LogisticRegression

logReg=LogisticRegression(solver='lbfgs', multi_class='ovr')
logReg.fit(X,Y)
logReg.predict_proba(X)

此代码将为X 的每一行的每个类输出所需的概率。 特别是，这段代码分别为每个类训练一个 Logistic 回归（这就是 multi_class='ovr' 参数所做的）。

查看https://scikit-learn.org/stable/supervised_learning.html，了解其他直接在我建议的这种多类数据集形式中工作的分类器。