一个超级简单的多分类多标签值例子
博客专区 > qinhui99 的博客 > 博客详情
一个超级简单的多分类多标签值例子
qinhui99 发表于9个月前
一个超级简单的多分类多标签值例子
  • 发表于 9个月前
  • 阅读 43
  • 收藏 0
  • 点赞 0
  • 评论 0

新睿云服务器60天免费使用,快来体验!>>>   

多分类就是指超过两个以上的分类,多标签值就是指一个样本实例可以出现两个以上的标签值。例如,一个讨论python和go性能对比的帖子,就可以有python和go两个不同的话题分类标签。这种多分类多标签值的情况在文本分类里经常出现,值得研究。下面举个简单的例子:

import numpy as np
from sklearn.ensemble import RandomForestClassifier

if __name__ == '__main__':

    X = np.array([[411, 500, 426],
                  [100, -11, -96],
                  [125, 900, .00],
                  [.11, 60., 126],
                  [211, 100, 16],
                  [300, .60, 926],
                  [11., .00, 26],
                  [341, 700, 126]])
    #目标y有3个分类,而且允许有3个标签同时出现.
    Y = np.array([[0, 0, 0],
                  [0, 0, 1],
                  [0, 1, 0],
                  [0, 1, 1],
                  [1, 0, 0],
                  [1, 1, 0],
                  [1, 1, 1],
                  [1, 1, 1]])
    #随机森林分类器。这里故意设置比较小的参数,以便产生不同的预测结果和原来的标签对比。
    lp = RandomForestClassifier(n_estimators=5)
    lp.fit(X, Y)#训练
    print(lp.predict(X)) #打印预测结果

 

运行的结果:

[[ 1.  1.  1.]
 [ 0.  0.  1.]
 [ 0.  1.  0.]
 [ 1.  1.  1.]
 [ 1.  0.  0.]
 [ 1.  1.  0.]
 [ 1.  1.  1.]
 [ 1.  1.  1.]]

第4行预测错误了。原来的标签是[0,1,1],我们的分类器预测为[1,1,1]。除此之外,其它都对了。还行。对于这样的几个分类的简单数据,随机森林分类器确实很好用,几行代码就搞定了。传统的机器学习算法里还是有不少好东西的。

 

 

  • 打赏
  • 点赞
  • 收藏
  • 分享
共有 人打赏支持
粉丝 61
博文 71
码字总数 32439
×
qinhui99
如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!
* 金额(元)
¥1 ¥5 ¥10 ¥20 其他金额
打赏人
留言
* 支付类型
微信扫码支付
打赏金额:
已支付成功
打赏金额: