问题描述
在任何模型上使用Sklearn的MultIoUtputClassifier时，例如XGBClassifier，KNN等，对于某些样本，二值化输出为全零，这意味着在多标签多类分类中没有标签。
想象一下，您有四个类[c1，c2，c3，c4]，然后在多标签多类分类任务中将属于c1和c4类的样本的目标变量指定为[1,0] ，0,1]。现在，您可以训练MultIoUtputClassifier来完成这种多标签多类分类任务。这样做对于某些样本，在此示例中，您可能最终得到预测的目标变量为[0,0]，这意味着从训练后的模型推断出的给定样本不属于c1，c2类，c3或c4。
我相信这是因为MultIoUtputClassifier基本上适合每个标签一个分类器，并且当预测的目标变量为[0,0]时，这意味着每个标签c1，c2的每个分类器c3或c4判断样本不属于他们每个人都试图预测的对应标签。
那么，就我的观点而言，现在有办法解决这个问题吗？并强制MultIoUtputClassifier始终将指定输出到至少一个标签或至少最可能的标签？
您会为此建议其他方法吗？或者您认为这种情况还可以吗？在这种情况下，在推论时，我们需要在上面的示例中在标签c1，c2，c3，c4之外添加一个附加标签，在其中指示“ no-class”。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）