假设我从训练集中选择了一个训练文档。我已将它放入我选择的特征的特征向量 X 中。
我正在努力：
self.clf = LogisticRegression()
self.clf.fit(X, Y)
我的 Y 是这样的：
[0 0 0 1 1 0 1 0 0 1 0]
我想训练我的一个模型，使其同时最好地拟合 11 个输出值中的每一个。这似乎不适用于fit，因为我收到unhashable type 'list' 错误，因为它需要一个单一的值，它是以太二进制或多类但不允许多个值。
sci-kit learn 有没有办法做到这一点？
【问题讨论】：
标签： python machine-learning scikit-learn
多标签分类的 API 与普通分类有所不同。您的 Y 应该是一系列序列，例如列表列表，例如
Y = [["foo", "bar"], # the first sample is a foo and a bar
["foo"], # the second is only a foo
["bar", "baz"]] # the third is a bar and a baz
然后可以将这样的Y 馈送到处理多个分类的估计器。您可以使用 OneVsRestClassifier 包装器构造这样的估算器：
from sklearn.multiclass import OneVsRestClassifier
clf = OneVsRestClassifier(LogisticRegression())
然后用clf.fit(X, Y) 训练。 clf.predict 现在也将生成序列序列。
UPDATE 从 scikit-learn 0.15 开始，此 API 已被弃用，因为它的输入不明确。您应该将我上面给出的Y 转换为带有MultiLabelBinarizer 的矩阵：
>>> from sklearn.preprocessing import MultiLabelBinarizer
>>> mlb = MultiLabelBinarizer()
>>> mlb.fit_transform(Y)
array([[1, 0, 1],
[0, 0, 1],
[1, 1, 0]])
然后将其提供给估算器的fit 方法。在 same 二值化器上使用inverse_transform 完成转换：
>>> mlb.inverse_transform(mlb.transform(Y))
[('bar', 'foo'), ('foo',), ('bar', 'baz')]
【讨论】：
OneVsRestClassifier 后，我输入的依赖于整个 250,000 个文档训练集的测试文档返回 [(0,)] 作为 predict 的输出，而不是所有 11 个项目的预测器。我得到了一个UserWarning: Label 0 is present in all training examples.，尽管在fit 函数中输入的11 个项目肯定有许多独特的组合。所以进入fit 我有类似Y=[[0,0,0,0,1,1,0,0,0,0,0],[0,0,0,0,0,0,0,0,0,0,0],...]
Y 必须是标签序列的序列，而不是指示矩阵。
[4,5] 而不是将其编码为 11 二进制价值观？如果是这种情况，我如何说 X 缺少所有 11 个标签？我可以使用一个空列表来执行此操作，还是必须创建第 12 个标签才能完成此操作？
np.where 转换成预期的格式，例如Y = [[0,0,1], [1,0,0]]; [np.where(y)[0] for y in Y] 产生 [array([2]), array([0])]，这对于 OneVsRestClassifier 是可以接受的。
您能否更具体地说明您的任务是什么？ 标签是二进制变量的固定长度向量吗？然后这将被称为多标签分类（即多个标签打开或关闭）。 如果每个标签可以有两个以上的值，则在 scikit-learn 中称为“多输出”，并且只能由树和集成来完成。
PS：如果你使用线性分类器，如逻辑回归，输出变量将被独立处理。
【讨论】：