Blu*_*unt 4 python svm scikit-learn cross-validation multilabel-classification
我正在使用"multiclass.OneVsRestClassifier"和"cross_validation.StratifiedKFold".当我对多标签问题进行交叉验证时,它会失败.是否可以对多标签问题进行交叉验证scikit-learn？
我认为问题出在类标签列表的元组Eg([1],[2],[2],[1],[1,2],[3],[1,2,3] ...... )
我相信这个错误的代码如下:
n_samples = X.shape[0]
Y_list = [value for value in Y.T]
print 'Y_list[0].shape:', Y_list[0].shape, 'len(Y_list):', len(Y_list)
cv = cross_validation.StratifiedKFold(Y_list, 3)
如果您打算使用scikit-learn解决多标签任务,建议首先使用MultilabelBinarizer将输出转换为标签二进制指示符.
分层k折叠不支持多标记格式,因为它需要平衡每个标记的阳性比例.相反,您可以使用K-folds或shuffle split cross validation策略.