如何在 Python 的机器学习中使用值列表作为标签答案

【问题标题】：How to use a list of values as label in Python's Machine Learning如何在 Python 的机器学习中使用值列表作为标签
【发布时间】：2020-09-01 11:36:20
【问题描述】：

我遇到了一个问题，我不知道如何在 ML 模型中使用列表作为标签。基本上我有一个数据框如下：

我的功能集是一个数字列表，我的标签也是一个数字列表。我如何将一个与另一个相关联？我已经使用过二进制标签，但我无法使用非二进制标签进行管理。

ps：我知道我的数据缺乏预处理，出于处理速度的原因，我只加载了整个数据的一小部分

编辑 - 抱歉不够清楚：每个数字都是一个词。我的功能集是文本，我的标签是标题。我正在尝试构建一个模型，给定文本，它会根据训练后的模型生成标题

【问题讨论】：

【解决方案1】：

您可能想试试 sklearn 的MultiLabelBinarizer()。看看this post

【讨论】：

我已经看过这个方法，不适合我的问题。我没有多个标签，我有一个标签可以有多个值，即非二进制。还是谢谢^^
最近我有一个类似的项目->每个标签都包含多个值（并且每个标签的值不是二进制的）。而MultiLabelBinarizer() 会将标签的non-binary 值转换为binary representation。我建议你热切地阅读这篇文章:)
不要犹豫，询问您是否需要任何进一步的帮助，如果有帮助，请为答案投票
根据这篇文章，有趣的是，我的疑问恰好是算法的最关键点。谢谢大佬，真的很有帮助

【解决方案2】：

【讨论】：

【解决方案3】：

我想你可以试试 Pandas "get_dummies" 中内置的 OneHotEncoding。

据我了解，您的数据看起来像（在此处给出“y”的示例）：

y 列中的每个数字代表每个类别。

所以你可以做的是：

new_y = pd.get_dummies(df['y'], drop_first=True)

It would be very helpful if you post some sample data here and what exactly you are willing to achieve.

PS：除此之外，您还必须使用 Categorical_CrossEntropy 作为损失计算。

【讨论】：