scikit 多标签分类:值错误:错误的输入形状

Question

我SGDClassifier() loss='log'支持多标签分类，我不必使用OneVsRestClassifier。检查这个

现在，我的数据集非常大，我正在使用HashingVectorizer并将结果作为输入传递给SGDClassifier。我的目标有 42048 个功能。

当我运行它时，如下所示：

clf.partial_fit(X_train_batch, y)

我得到：ValueError: bad input shape (300000, 42048).

我也使用类作为参数，如下所示，但仍然是相同的问题。

clf.partial_fit(X_train_batch, y, classes=np.arange(42048))

在SGDClassifier的文档中，它说y : numpy array of shape [n_samples]

Answer 1

不，SGDClassifier不做多标签分类 - 它做多类分类，这是一个不同的问题，尽管两者都是使用一对多问题简化来解决的。

然后，SGD 和 OneVsRestClassifier.fit 都不会接受 y 的稀疏矩阵。前者想要一系列标签，正如你已经发现的那样。出于多标签目的，后者想要一个标签列表列表，例如

y = [[1], [2, 3], [1, 3]]

表示X[0]具有标签 1，X[1]具有标签{2,3}，X[2]具有标签{1,3}。