我正在尝试训练一个分类器，以接收新闻标题作为输入，并输出适合以下标题的标签。我的数据包含一堆新闻标题作为输入变量，并包含这些标题的元标签作为输出变量。
I One-Hot_将标题及其相应的元标签编码为两个单独的CSV。然后，我将它们组合成一个大数据帧，其中X_train值是标题词的5573x958 numpy数组，y_train值为5573x843 numpy数组。
以下是熊猫数据帧的图片，其中包含我的一个热编码形式的数据
我的分类器的目标是输入一个标题，并将与该标题最相关的标签作为输出。我遇到的问题如下。
X_train = train_set.iloc[:, :958].values
X_train.shape
(out) (5573, 958)
y_train = train_set.iloc[:, 958:].values
y_train.shape
(out) (5573, 843)
from sklearn.naive_bayes import MultinomialNB
nb_clf = MultinomialNB().fit(X_train, y_train)
当我使用朴素贝叶斯分类器训练它时，我得到以下错误消息：
bad input shape (5573, 843)
根据我的研究，我获得多标签目标值的唯一方法是对它们进行一次热编码，因为当我尝试LabelEncoder((或MultiLabelBinarizer((时，我必须指定要二进制化的每列的名称，当我有800多列(单词(要指定时，我不知道如何做到这一点。所以我只对它们进行了一次热解码，我相信这会产生相同的结果，只是分类器不喜欢将其作为输入。关于如何解决这个问题，有什么建议吗？
您可以使用Sklearn的多目标分类。这里有一个例子：
from sklearn.multioutput import MultiOutputClassifier
from sklearn.naive_bayes import MultinomialNB
nb_clf = MultiOutputClassifier(MultinomialNB()).fit(X_train, y_train)
您可以从链接sklearn.multioutput.multioutput分类器中查看文档