使用 scikit-learn 进行多标签文本分类，使用哪些分类器？

Posted 2023-03-12

【中文标题】使用 scikit-learn 进行多标签文本分类，使用哪些分类器？

【英文标题】：Multi-label text classification with scikit-learn, which classifiers to use?

【发布时间】：2018-07-27 19:58:10

【问题描述】：

我已经使用导入这些分类器的 scikit-learn Python 库完成了文本分类：

from sklearn.linear_model import RidgeClassifier
from sklearn.svm import LinearSVC
from sklearn.linear_model import SGDClassifier
from sklearn.linear_model import Perceptron
from sklearn.linear_model import PassiveAggressiveClassifier
from sklearn.naive_bayes import BernoulliNB, MultinomialNB
from sklearn.neighbors import KNeighborsClassifier
from sklearn.neighbors import NearestCentroid
from sklearn.ensemble import RandomForestClassifier

输入文本的格式为：

('some text 1', 'class1')
('some text 2', 'class2')
('some text 3', 'class3')
...

一切都很好。但我想知道的是我是否有多标签文本，例如：

('some text 1', 'class1', 'class3')
('some text 2', 'class2', 'class1')
('some text 3', 'class3')
...

如果可以使用这些分类器，还是应该使用其他分类器？

【参考方案1】：

所有能够进行多类或多标签的分类器都在this page 上引用。

基于此，你的模型中只有2个可以直接用作多标签：

随机森林分类器 KNeighborsClassifier

在我完成之后（在练习中），将 OneVsAll 与另一个兼容的分类器一起使用，然后提取前 N 个或高于 X% 的所有标签（您拥有的标签越多，阈值越低，因为总和等于 1)。这不是你能做的最干净的事情，但它有效（我将它与多标签分类器结果进行了比较，它非常接近或相同）

希望对你有帮助 尼古拉斯

【讨论】：

感谢您非常简洁的回答，我会尝试您建议的方法。只是一个问题：multiclass-multioutput 是唯一可以用于多标签分类的吗？由于其他人似乎用于多类但没有多标签输出，这一事实是否有所不同

多类-多输出不同于简单的多标签。例如，如果你想用多标签对一顿饭进行分类，你可能会有（咸：是/否，好：是/否，暖：是/否）。使用 Multiclass-Multioutput 你可能有（味道：甜/咸/酸，好：Tastefull/correct/bad/horrible，...）。如果标签是二进制的，则可以使用 Support multilabel 或 Support multiclass-multioutput。你可以有多个输出，它只会支持多类多输出。但是您每次都可以通过在所有解决方案上执行 One Hot Encoder 将多输出转换为多标签