多输出分类器/学习 5 个目标变量

Question

我是机器学习的新手。几个星期以来，我一直在为一个问题苦苦挣扎，希望有人可以在这里提供帮助：

我有一个包含一个连续变量的数据集，其余的都是分类的。我设法对分类变量进行编码，并希望构建一个多输出分类器。

这是我的数据集： Snapshot of my data set 我有这些特点：A，B 我想预测：C、D、E、F、G

数据集如下所示：A,B,C,D,E,F,G

我花了几天时间在 scikitlearn 和此处查看有关多输出分类器的文档，但我似乎都不清楚这些文档。

谁能指出我正确的方向，以找到一些关于如何创建分类器并使用一些样本数据进行预测的示例代码？

提前谢谢你 P.S：我没有使用 TensorFlow，非常感谢您对 sklearn 的帮助。

Answer 1

这被称为multi-task learning，这基本上意味着一个模型可以学习多个函数，但共享（部分或全部）权重。这是相当普遍的，例如用于图像识别和检测的一种模型。你需要做的是定义几个损失函数（它们被称为heads）。

这是一个非常简单的 tensorflow 示例，它从 X（来自 this post series）学习 Y1 和 Y2：

# Define the Placeholders
X = tf.placeholder("float", [10, 10], name="X")
Y1 = tf.placeholder("float", [10, 1], name="Y1")
Y2 = tf.placeholder("float", [10, 1], name="Y2")

# Define the weights for the layers
shared_layer_weights = tf.Variable([10,20], name="share_W")
Y1_layer_weights = tf.Variable([20,1], name="share_Y1")
Y2_layer_weights = tf.Variable([20,1], name="share_Y2")

# Construct the Layers with RELU Activations
shared_layer = tf.nn.relu(tf.matmul(X,shared_layer_weights))
Y1_layer = tf.nn.relu(tf.matmul(shared_layer,Y1_layer_weights))
Y2_layer_weights = tf.nn.relu(tf.matmul(shared_layer,Y2_layer_weights))

# Calculate Loss
Y1_Loss = tf.nn.l2_loss(Y1,Y1_layer)
Y2_Loss = tf.nn.l2_loss(Y2,Y2_layer)

如果您希望使用纯 scikit 进行编码，请参阅 sklearn.multiclass 包，它们支持多输出分类和多输出回归。下面是一个多输出回归的例子：

>>> from sklearn.datasets import make_regression
>>> from sklearn.multioutput import MultiOutputRegressor
>>> from sklearn.ensemble import GradientBoostingRegressor
>>> X, y = make_regression(n_samples=10, n_targets=3, random_state=1)
>>> MultiOutputRegressor(GradientBoostingRegressor(random_state=0)).fit(X, y).predict(X)
array([[-154.75474165, -147.03498585,  -50.03812219],
       [   7.12165031,    5.12914884,  -81.46081961],
       [-187.8948621 , -100.44373091,   13.88978285],
       [-141.62745778,   95.02891072, -191.48204257],
       [  97.03260883,  165.34867495,  139.52003279],
       [ 123.92529176,   21.25719016,   -7.84253   ],
       [-122.25193977,  -85.16443186, -107.12274212],
       [ -30.170388  ,  -94.80956739,   12.16979946],
       [ 140.72667194,  176.50941682,  -17.50447799],
       [ 149.37967282,  -81.15699552,   -5.72850319]])

[更新]

这是一个执行多目标分类的完整代码。尝试运行它：

import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.multioutput import MultiOutputClassifier

# The data from your screenshot
#  A      B   C    D    E   F    G
train_data = np.array([
  [5, 133.5, 27, 284, 638, 31, 220],
  [5, 111.9, 27, 285, 702, 36, 230],
  [5,  99.3, 25, 310, 713, 39, 227],
  [5, 102.5, 25, 311, 670, 34, 218],
  [5, 114.8, 25, 312, 685, 34, 222],
])
# These I just made up
test_data_x = np.array([
  [5, 100.0],
  [5, 105.2],
  [5, 102.7],
  [5, 103.5],
  [5, 120.3],
  [5, 132.5],
  [5, 152.5],
])

x = train_data[:, :2]
y = train_data[:, 2:]
forest = RandomForestClassifier(n_estimators=100, random_state=1)
classifier = MultiOutputClassifier(forest, n_jobs=-1)
classifier.fit(x, y)
print classifier.predict(test_data_x)

输出（嗯，对我来说看起来很合理）：

[[  25.  310.  713.   39.  227.]
 [  25.  311.  670.   34.  218.]
 [  25.  311.  670.   34.  218.]
 [  25.  311.  670.   34.  218.]
 [  25.  312.  685.   34.  222.]
 [  27.  284.  638.   31.  220.]
 [  27.  284.  638.   31.  220.]]

如果由于某种原因这不起作用或无法应用于您的情况，请更新问题。