我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
输入文本的格式是:
('some text 1', 'class1')
('some text 2', 'class2')
('some text 3', 'class3')
...
一切正常。但我想知道的是,如果我有像这样的多标签文本:
('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,还是应该使用其他一些分类器?
请您参考如下方法:
所有能够进行多类或多标签的分类器都在 this page 上提及.
基于它,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),是将 OneVsAll 与另一个兼容的分类器一起使用,然后提取前 N 个或所有高于 X% 的标签(您拥有的标签越多,阈值越低,因为总和等于 1)。这不是您可以做的最干净的事情,但它确实有效(我将其与多标签分类器结果进行了比较,结果非常接近或相同)
希望对你有帮助 尼古拉斯
