我正在处理一个机器学习问题，其中我的目标是一个多标签目标，每个标签都是一个概率。过去我处理过多标签问题，但每个标签都是二元的。例如，如果目标是一系列书籍主题（’Python’、’机器学习’、’童话’、’烹饪’），那么基于Python的scikit-learn的机器学习书籍的目标将是[1, 1, 0, 0]。

现在，对于我试图解决的问题，我的目标不是二元的。目标本身是一系列概率，如[0.75, 0.25, 0, 0]。我认为这些目标是以众包的方式产生的，这些概率反映了人们判断的变异性。因此，除非我想将概率分成类别（即p<0.5 ->0, p>=0.5 ->1），否则我面临一个回归问题，其中目标需要限制在0和1之间。有什么算法建议吗？我使用的是Python的scikit-learn。

谢谢！

回答：

你能将这些众包概率视为标签权重吗？然后你可以考虑训练能够考虑标签权重的算法，例如线性分类器或提升算法。

例如，如果使用朴素贝叶斯分类器，我们过去将每个标签的标签权重视为1，现在每个标签都有一个分数标签权重。如果这是文档分类的应用，我们可能有两组训练实例的真实标签集如下：

1. {新闻: 0.8, 体育: 0.5}2. {新闻: 0.1, 体育: 0.8}

假设你有一个单词w1，它在第一个实例中出现5次，在第二个实例中出现2次。

当你计算给定类别标签的单词w1的概率时，你执行以下操作：

P(w1 | 新闻) = (5*0.8 + 2*0.1) / (所有新闻文档中所有单词的加权出现次数)P(w1 | 体育) = (5*0.5 + 2*0.8) / (所有体育文档中所有单词的加权出现次数)

请注意，当我们学习模型时，如何考虑标签权重。基本上，单词出现的次数会得到一个折扣信用。