标签: multiclass-classification

我有大量的yelp数据,我必须将评论分为8个不同的类别.
分类

Cleanliness
Customer Service
Parking
Billing
Food Pricing
Food Quality
Waiting time
Unspecified

评论包含多个类别,因此我使用了多重分类.但我很困惑我如何处理积极/消极.实例审查可能对食品质量有利,但对客户服务有负面影响.前 - food taste was very good but staff behaviour was very bad. so review contains positive food quality but negative Customer service我该如何处理这个案子？我应该在分类前进行情绪分析吗？请帮我

谁能解释一下如何计算多类数据集的准确性、敏感性和特异性？

嗨，我正在用新的SpaCy Model实现一个多分类模型（5个类）en_pytt_bertbaseuncased_lg。新管道的代码在这里：

nlp = spacy.load('en_pytt_bertbaseuncased_lg')
textcat = nlp.create_pipe(
    'pytt_textcat',
    config={
        "nr_class":5,
        "exclusive_classes": True,
    }
)
nlp.add_pipe(textcat, last = True)

textcat.add_label("class1")
textcat.add_label("class2")
textcat.add_label("class3")
textcat.add_label("class4")
textcat.add_label("class5")

培训的代码如下，并基于此处的示例（https://pypi.org/project/spacy-pytorch-transformers/）：

def extract_cat(x):
    for key in x.keys():
        if x[key]:
            return key

# get names of other pipes to disable them during training
n_iter = 250 # number of epochs

train_data = list(zip(train_texts, [{"cats": cats} for cats in train_cats]))


dev_cats_single   = [extract_cat(x) for x in dev_cats]
train_cats_single = [extract_cat(x) for x in train_cats] …

与上一篇关于stackoverflow的帖子有关， Model（）为参数'nr_class'获取了多个值-SpaCy多分类模型（BERT集成），其中我的问题部分已经解决，我想分享实现解决方案后出现的问题。

如果我删除nr_class参数，则会在此出现此错误：

ValueError: operands could not be broadcast together with shapes (1,2) (1,5)

我实际上以为会发生这种情况，因为我没有指定nr_class参数。它是否正确？

再一次，我的多类模型代码：

nlp = spacy.load('en_pytt_bertbaseuncased_lg')
textcat = nlp.create_pipe(
    'pytt_textcat',
    config={
        "nr_class":5,
        "exclusive_classes": True,
    }
)
nlp.add_pipe(textcat, last = True)

textcat.add_label("class1")
textcat.add_label("class2")
textcat.add_label("class3")
textcat.add_label("class4")
textcat.add_label("class5")

培训的代码如下，并基于此处的示例（https://pypi.org/project/spacy-pytorch-transformers/）：

def extract_cat(x):
    for key in x.keys():
        if x[key]:
            return key

# get names of other pipes to disable them during training
n_iter = 250 # number of epochs

train_data = list(zip(train_texts, [{"cats": cats} for …

我构建了一个决策树，它也为我的分类提供了特征重要性。但是我怎么能告诉我的程序给我每个类的特征重要性呢？为了给我整体功能的重要性，我有这个代码：

importances = tree.feature_importances_
#std = np.std([tree.feature_importances_ for tree in forest.estimators_],
            # axis=0)
indices = np.argsort(importances)[::-1]

# Print the feature ranking
print("Feature ranking:")

for f in range(X.shape[1]):
    print("%d. feature %d (%f)" % (f + 1, indices[f], importances[indices[f]]))

# Plot the feature importances of the forest
plt.figure()
plt.title("Feature importances")
plt.bar(range(X.shape[1]), importances[indices],
       color="r", yerr=std[indices], align="center")
plt.xticks(range(X.shape[1]), [feature_cols[i] for i in indices])
plt.xlim([-1, X.shape[1]])
plt.show()

我有四个类 - 0、1、2、3。有人知道解决方案吗？

在泡菜...

我有一个包含 >100,000 个观察值的数据集；数据集的列包括CustomerID、VendorID、ProductID和CatNMap。这是它的样子：

如您所见，前 3 列（CustomerID、VendorID、ProductID）中表示的值表示唯一的数字映射值，如果在 x,y 平面上表示将毫无意义（这消除了许多分类方法的使用）；最后一列包含由客户分配的类别的字符串。现在，这是我不明白并且不确定如何处理的部分......

目标：是为客户预测未来的CatNMap值，但是在我看来，我在这里拥有的功能没有用，是真的吗？现在，如果是，我可以使用什么方法作为CatNMap列具有 >7,000 个唯一值；此外，如果假设对于同一产品，不同客户分配了 2 个或更多不同类别，那么任何方法将如何处理对未来项目的分类？我需要为此实现 NN 吗？

感谢所有的答案！

我正在尝试探索 Xgboost 二进制分类以及多类的工作。在二进制类的情况下，我观​​察到base_score被视为起始概率，并且在计算Gain和Cover时也显示出重大影响。

在多类的情况下，我无法弄清楚base_score参数的重要性，因为它向我显示了不同（任何）base_score值的Gain和Cover的相同值。

我也无法找出为什么在计算多类的覆盖率时存在因子 2，即2*p*(1-p)