Python多类分类答案

【问题标题】：Python multiclass classificationPython多类分类
【发布时间】：2018-04-18 19:05:36
【问题描述】：

我有一个关于文本数据的多类分类器（使用 sklearn.svm）的工作示例。一次通过，我只能训练/测试一个功能。是否可以在一个分类器中堆叠多个特征？具体来说，我的数据有以下特点：

feature 1: 1c1, 1c2, 1c3, 1c4 feature 2: 2c1,2c2 feature 3: 3c1,3c2,3c3,3c4,3c5 feature 4: 4c1,4c2,4c3

目前，我可以为功能 1 运行训练通行证并为功能 2 重复等。如何将它们堆叠在一起以获得像[1c4,2c1,3c5,4c2] 这样的输出向量？这不是多标签问题，因为特征集 {1..n} 是互斥的。

【问题讨论】：

如果不了解架构或背后的任何推理为什么，您一次只能训练/测试一个功能，这有点难以回答。我看不出这种限制的原因？
@OptimusCrime 每个来自世界各地的报纸报道都有以下特点： 1. Story_type 2. Brand_mention 3. client_focus 4. 音调和 5. 段。为了让您快速了解，故事类型可以是 (1c1) 产品评论 (1c2) 国家营销负责人访谈 (1c3) 国家首席执行官访谈 (1c4) 需求和销售数据以及 (1c5) 丰田汽车事故报告。很快。对于音调，类将是 (4c1) 正类、(4c2) 中性类、(4c3) 负类和 (4c4) 负类，并有升级。
@OptimusCrime 这不是一个多标签问题，它是一个五轨（输出）多类问题。如何像在 NN 架构中一样堆叠 SVM 分类器以提供输出向量 [1,2,2,1,5] @mlguy

【解决方案1】：

显然，根据Alan Sz's answer，没有办法做到这一点

人工神经网络相对于支持向量机的一个明显优势是人工神经网络可以有任意数量的输出，而支持向量机只有一个。使用支持向量机创建 n 元分类器的最直接方法是创建 n 个支持向量机并逐个训练它们。另一方面，可以一次性训练具有神经网络的 n 元分类器。

【讨论】：