是否有任何 H2O 算法支持多标签分类？

Question

深度学习模型是否支持多标签分类问题或H2O中的任何其他算法？

Orginal Response Variable -Tags:

apps, email, mail
finance,freelancers,contractors,zen99
genomes
gogovan
brazil,china,cloudflare
hauling,service,moving
ferguson,crowdfunding,beacon
cms,naytev
y,combinator
in,store,
conversion,logic,ad,attribution

将它们映射到字典的键后： 那么

响应变量如下所示：

[74]
[156, 89]
[153, 13, 133, 40]
[150]
[474, 277, 113]
[181, 117]
[15, 87, 8, 11]

谢谢

Answer 1

任何创建模型的算法都为一组输入提供“finance,freelancers,contractors,zen99”，为另一组输入提供“cms,naytev”，这严重地过度拟合。您需要退后一步，想想您的实际问题是什么。

但取而代之的是，这里有一个想法：在您的答案词上训练一些词嵌入（或使用一些预训练的词嵌入）。然后，您可以对每组值的向量进行平均，并希望这可以为您提供“主题”的良好数字表示。然后，您需要将您的 100 维平均词向量转换为单个数字（想到 PCA）。现在你有一个数字，你可以给机器学习算法，它可以预测。

你仍然有一个问题：预测了一个数字，你如何把这个数字变成一个 100 维向量，然后从那里变成一个主题，再从那里变成主题词？棘手，但也许并非不可能。

（顺便说一句，如果您将上述“单个数字”转换为一个因素，并让机器学习模型进行分类，以预测与以前见过的最相似的主题......你基本上已经绕了一圈，将得到一个与the one you started with that has too many classes 相同的模型。）

Answer 2

不，H2O 仅包含学习一次预测单个响应变量的算法。您可以将每个独特的组合转换为单个类并以这种方式培训多级模型，或者通过单独的模型预测每个类。