我有一个已经训练好的OneVsRestClassifier（来自scikit-learn）。
clf = OneVsRestClassifier(LogisticRegression(C=1.2, penalty='l1')).fit(X_train, y_train)我想知道我的测试数据的损失。我尝试使用log_loss函数，但似乎不起作用，因为每个测试案例都有多个类作为输出。我该怎么办？
回答：
你提到的分类问题被称为多标签分类问题。你选择使用OneVsRestClassifier是正确的决定。默认情况下，score方法使用的是子集准确性，这是一个非常严格的指标，因为它要求你完全正确地猜出整个标签子集。
scikit-learn提供的其他一些你可以使用的损失函数如下：
- 汉明损失 – 这测量你的标签预测与真实标签之间的汉明距离。这里有一个理解汉明距离的直观公式。
- 雅卡尔相似系数得分 – 这测量你预测的标签与真实标签之间的雅卡尔相似度。
- 精确度、召回率和F度量 – 在多标签分类的情况下，可以独立地将精确度、召回率和F度量应用于每个类别。以下指南解释了如何在多标签分类中将它们结合起来应用于所有标签。
如果你还需要对标签进行排名，就像在多标签排名问题中那样，那么scikit-learn中还有其他更高级的技术，这些技术都有详细的文档和示例在这里。如果你在处理这种类型的问题，请在评论中告诉我，我将更详细地解释这些指标。
希望这对你有帮助！
