Skip to main content
 首页 » 编程设计

python之为多标签分类准备训练数据集

2025年04月02日12insus

我只是按照代码 here (对 sklearn 0.17 稍作修改)。在该示例中,数据只是列表或 numpy 数组。现在我想在磁盘上准备一个玩具训练数据集,并使用 datasets.load_files 加载它进行多标签分类。但是,只需遵循 load_files约定,然后将同一文件复制到多个文件夹中,不会为 dataset.target 生成列表列表(也称为标签集)。

那么为多标签分类准备数据集的正确方法是什么?

请您参考如下方法:

我不认为 load_files 支持多标签类,老实说我从来没有使用 scikit learn 加载数据,我总是使用 pandas 进行初始数据加载和预处理。您的情况的一种选择是将您的数据存储为 csv,将您的标签序列化为管道分隔列表

例如,您的文件 data.csv 可能是

recipe_name,classes 
'stir fried broccoli',chinese|vegetarian 
'kung po chicken',chinese|meat 
'sauerkraut salad',vegetarian|polish 

您将按如下方式加载它:

import pandas as pd 
df = pd.read_csv('data.csv') 
X_train = df.recipe_name 
y_train = df.classes.str.split('|')