免责声明：我对AI、Python、NLTK和scikit-learn还比较新手。

我正在尝试训练一个分类器，将一组文档分类到一组标签中。

我使用NLTK的包装器来与scikit-learn的OneVsRestClassifier进行交互。

training_set = [    [{"car": True, ...}, "Label 1"],    [{"car": False, ...}, "Label 2"],    ...    [{"car": False, ...}, "Label 1"],]ovr = SklearnClassifier(OneVsRestClassifier(MultinomialNB()))ovr.train(training_set)

这在多类分类中运行良好，分类器尝试将文档仅分类到一个标签。准确率还可以，但我希望分类器能够为文档分配0个、1个或多个标签。我该怎么做呢？

遗憾的是，我无法通过初始化分类器来告诉它成为一个多标签分类器，文档中说：

这种策略也可以用于多标签学习，其中分类器用于预测多个标签的实例，通过在第i个样本具有第j个标签时，单元格[i, j]为1，否则为0的2维矩阵上进行拟合。

由于我不熟悉这种语言，这对我来说不是很清楚。我感觉我需要以某种方式调整我的训练集，使分类器能够理解我想让它对我的数据进行多标签分类？如果是的，如何做呢？

我尝试以数组的形式提供标签，像这样：

training_set = [    [{"car": True, ...}, ["Label 1"]],    [{"car": False, ...}, ["Label 2"]],    ...    [{"car": False, ...}, ["Label 1"]],]

这没有按预期工作，并引发了以下错误：

DataConversionWarning: A column-vector y was passed when a 1d array was expected. Please change the shape of y to (n_samples, ), for example using ravel().  y = column_or_1d(y, warn=True)One-vs-rest accuracy percent: 0.0

回答：

我通过去掉NLTK到scikit-learn的适配器，并导入一个NLTK模块来帮助我将数据结构转换为可以输入到scikit-learn的OneVsRestClassifier中，从而解决了这个问题。

from nltk import compatfrom sklearn.feature_extraction import DictVectorizerfrom sklearn.naive_bayes import MultinomialNBfrom sklearn.multiclass import OneVsRestClassifier_vectorizer = DictVectorizer(dtype=float, sparse=True)def prepare_scikit_x_and_y(labeled_featuresets):    X, y = list(compat.izip(*labeled_featuresets))    X = _vectorizer.fit_transform(X)    set_of_labels = []    for label in y:        set_of_labels.append(set(label))    y = self.mlb.fit_transform(set_of_labels)    return X, ydef train_classifier(labeled_featuresets):    X, y = prepare_scikit_x_and_y(labeled_featuresets)    classifier.fit(X, y)training_set = [    [{"car": True, ...}, ["Label 1"]],    [{"car": False, ...}, ["Label 2"]],    ...    [{"car": False, ...}, ["Label 1"]],]ovr = OneVsRestClassifier(MultinomialNB())ovr.train(training_set)

开心豆