如何使用多标签数据训练分类器？

问题描述

我正在尝试训练分类器，以将新闻标题作为输入，并输出适合以下标题的标签。我的数据包含一堆新闻标题作为输入变量，而这些标题的元标记作为输出变量。

I One-Hot_Entitled将标题及其对应的元标记都编码为两个单独的CSV。然后，我将它们组合成一个大数据帧，其中X_train值是标题词的5573x958 numpy数组，y_train值是5573x843的numpy数组。

以下是包含我的data in One-Hot-Encoded form的熊猫数据框的以下图像。

分类器的目标是让我输入标题，并将与该标题最相关的标签作为输出。我的问题如下。

X_train = train_set.iloc[:,:958].values
X_train.shape
(out) (5573,958)

y_train = train_set.iloc[:,958:].values
y_train.shape
(out) (5573,843)

from sklearn.naive_bayes import MultinomialNB
nb_clf = MultinomialNB().fit(X_train,y_train)

当我使用朴素贝叶斯分类器训练它时，收到以下错误消息：

bad input shape (5573,843)

根据我的研究，拥有多标签目标值的唯一方法是对它们进行一次热编码，因为当我尝试LabelEncoder（）或MultiLabelBinarizer（）时，我必须指定每个列的名称为二值化后，当我要指定800多个列（单词）时，我不知道该怎么做。因此，我只是对它们进行了一次热编码，我相信它们会得到相同的结果，只是分类器不喜欢将其用作输入。关于如何解决此问题的任何建议？

解决方法

您可以使用Sklearn的多目标分类。这是一个示例：

from sklearn.multioutput import MultiOutputClassifier
from sklearn.naive_bayes import MultinomialNB
nb_clf = MultiOutputClassifier(MultinomialNB()).fit(X_train,y_train)

您可以从此链接sklearn.multioutput.MultiOutputClassifier

中查看文档。