使用 sklearn 预测多标签数据答案

【问题标题】：Predicting multilabel data with sklearn使用 sklearn 预测多标签数据
【发布时间】：2016-05-06 12:48:05
【问题描述】：

根据文档，OneVsRest 分类器支持多标签分类：http://scikit-learn.org/stable/modules/multiclass.html#multilabel-learning

这是我要运行的代码：

from sklearn import metrics
from sklearn.preprocessing import MultiLabelBinarizer
from sklearn.multiclass import OneVsRestClassifier
from sklearn.cross_validation import train_test_split
from sklearn.svm import SVC

x = [[1,2,3],[3,3,2],[8,8,7],[3,7,1],[4,5,6]]
y = [['bar','foo'],['bar'],['foo'],['foo','jump'],['bar','fox','jump']]

y_enc = MultiLabelBinarizer().fit_transform(y)

train_x, train_y, test_x, test_y = train_test_split(x, y_enc, test_size=0.33)

clf = OneVsRestClassifier(SVC())
clf.fit(train_x, train_y)
predictions = clf.predict_proba(test_x)

my_metrics = metrics.classification_report( test_y, predictions)
print my_metrics

我收到以下错误：

Traceback (most recent call last):
  File "multilabel.py", line 178, in <module>
    clf.fit(train_x, train_y)
  File "/sklearn/lib/python2.6/site-packages/sklearn/multiclass.py", line 277, in fit
    Y = self.label_binarizer_.fit_transform(y)
  File "/sklearn/lib/python2.6/site-packages/sklearn/base.py", line 455, in fit_transform
    return self.fit(X, **fit_params).transform(X)
  File "/sklearn/lib/python2.6/site-packages/sklearn/preprocessing/label.py", line 302, in fit
    raise ValueError("Multioutput target data is not supported with "
ValueError: Multioutput target data is not supported with label binarization

不使用 MultiLabelBinarizer 会产生相同的错误，所以我假设这不是问题。有谁知道如何将此分类器用于多标签数据？

【问题讨论】：

标签： python scikit-learn

【解决方案1】：

您的train_test_split() 输出不正确。更改此行：

train_x, train_y, test_x, test_y = train_test_split(x, y_enc, test_size=0.33)

到这里：

train_x, test_x, train_y, test_y = train_test_split(x, y_enc, test_size=0.33)

此外，要使用概率而不是类别预测，您需要将 SVC() 更改为 SVC(probability = True) 并将 clf.predict_proba 更改为 clf.predict。

把它们放在一起：

from sklearn import metrics
from sklearn.preprocessing import MultiLabelBinarizer
from sklearn.multiclass import OneVsRestClassifier
from sklearn.cross_validation import train_test_split
from sklearn.svm import SVC


x = [[1,2,3],[3,3,2],[8,8,7],[3,7,1],[4,5,6]]
y = [['bar','foo'],['bar'],['foo'],['foo','jump'],['bar','fox','jump']]

mlb = MultiLabelBinarizer()
y_enc = mlb.fit_transform(y)

train_x, test_x, train_y, test_y = train_test_split(x, y_enc, test_size=0.33)

clf = OneVsRestClassifier(SVC(probability=True))
clf.fit(train_x, train_y)
predictions = clf.predict(test_x)

my_metrics = metrics.classification_report( test_y, predictions)
print my_metrics

这在我运行它时不会给我任何错误。

【讨论】：

如何从文本列表中导出 x DataFrame？

【解决方案2】：

我还遇到了 OneVsRestClassifier 的“ValueError：标签二值化不支持多输出目标数据”。我的问题是由训练数据类型为“列表”引起的，在使用 np.array() 进行转换后，它可以工作。

【讨论】：

【解决方案3】：

对我来说，在 np.array() 中包装 train_x、train_y、text_x 和 test_y 已经解决了这个问题。

【讨论】：