我正在尝试使用Python 3.x中的scikit-learn进行多标签文本分类。我的数据采用libsvm格式，并使用load_svmlight_file模块加载。数据格式如下所示。

• 314523,165538,76255 1:1 2:1 3:1 4:1 5:1 6:1 7:1 8:1 9:1 10:1 11:1 12:2 13:1
• 410523,230296,368303,75145 8:1 19:2 22:1 24:1 29:1 63:1 68:1 69:3 76:1 82:1 83:1 84:1

这些行中的每一行对应一个文档。前三个数字是标签，后面的条目是特征编号及其值。每个特征对应一个单词。

我使用以下脚本加载数据。

from sklearn.datasets import load_svmlight_fileX,Y = load_svmlight_file("train.csv", multilabel = True, zero_based = True)

我的问题是，当我通过例如print (X[0])查看数据格式时，我得到了这样的输出。

(0, 1) 1.0

(0, 2) 1.0

(0, 3) 1.0

(0, 4) 1.0

(0, 5) 1.0

(0, 6) 1.0

(0, 7) 1.0

(0, 8) 1.0

(0, 9) 1.0

(0, 10) 1.0

(0, 11) 1.0

(0, 12) 2.0

(0, 13) 1.0

我不理解这种格式的含义。格式不应该是这样的吗？

> 1  2  3  4  5  6  7  8  9  10  11  12  13> 1  1  1  1  1  1  1  1  1   1   1   2   1  

我是scikit的新手。在这方面我希望能得到一些帮助。

回答：

这与多标签分类本身无关。你从load_svmlight_file得到的特征矩阵X是一个SciPy CSR矩阵，如文档中所解释的，这些打印的格式相当不理想：

>>> from scipy.sparse import csr_matrix>>> X = csr_matrix([[0, 0, 1], [2, 3, 0]])>>> X<2x3 sparse matrix of type '<type 'numpy.int64'>'    with 3 stored elements in Compressed Sparse Row format>>>> X.toarray()array([[0, 0, 1],       [2, 3, 0]])>>> print(X)  (0, 2)    1  (1, 0)    2  (1, 1)    3