用于多标签分类的 XGBoost?

Question

是否可以使用 XGBoost 进行多标签分类？现在我使用OneVsRestClassifier而不是sklearn的GradientBoostingClassifier。它可以工作，但只使用我的 CPU 中的一个内核。在我的数据中，我有 ~45 个特征，任务是用二进制(布尔)数据预测大约 20 列。度量是平均精度 (map@7)。如果你有一个简短的代码示例要分享，那就太好了。

Answer 1

一种可能的方法是使用sklearn.multioutput模块中的MultiOutputClassifier，而不是使用用于多类任务的OneVsRestClassifier。

下面是一个可重现的小型示例代码，其中包含 OP 请求的输入特征和目标输出的数量

import xgboost as xgb
from sklearn.datasets import make_multilabel_classification
from sklearn.model_selection import train_test_split
from sklearn.multioutput import MultiOutputClassifier
from sklearn.metrics import accuracy_score
# create sample dataset
X, y = make_multilabel_classification(n_samples=3000, n_features=45, n_classes=20, n_labels=1,
allow_unlabeled=False, random_state=42)
# split dataset into training and test set
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=123)
# create XGBoost instance with default hyper-parameters
xgb_estimator = xgb.XGBClassifier(objective='binary:logistic')
# create MultiOutputClassifier instance with XGBoost model inside
multilabel_model = MultiOutputClassifier(xgb_estimator)
# fit the model
multilabel_model.fit(X_train, y_train)
# evaluate on test data
print('Accuracy on test data: {:.1f}%'.format(accuracy_score(y_test, multilabel_model.predict(X_test))*100))

Answer 2

有几种方法可以做到这一点，其中一种是你已经建议的：

1.

from xgboost import XGBClassifier
from sklearn.multiclass import OneVsRestClassifier
# If you want to avoid the OneVsRestClassifier magic switch
# from sklearn.multioutput import MultiOutputClassifier
clf_multilabel = OneVsRestClassifier(XGBClassifier(**params))

clf_multilabel每个类适合一个二进制分类器，它将使用您在params中指定的任何内核(仅供参考，您也可以在OneVsRestClassifier中指定n_jobs，但这会占用更多内存)。

阿拉伯数字。 如果您首先通过制作具有k正确标签的每个数据点的k副本来稍微调整数据，则可以破解更简单的多类问题。在这一点上，只是

clf = XGBClassifier(**params)
clf.fit(train_data)
pred_proba = clf.predict_proba(test_data)

获取每个类的分类边距/概率，并确定预测标签所需的阈值。 请注意，此解决方案并不精确：如果产品具有标签(1, 2, 3)，则为每个类人为地引入了两个负样本。

Answer 3

您可以为要预测的每个类添加标签。 例如，如果这是您的数据：

X1 X2 X3 X4  Y1 Y2 Y3
1  3  4  6   7  8  9
2  5  5  5   5  3  2

您可以简单地根据输出向输入添加标签来重塑数据，xgboost应该学习如何相应地处理它，如下所示：

X1 X2 X3 X4 X_label Y
1  3  4  6   1     7
2  5  5  5   1     5
1  3  4  6   2     8
2  5  5  5   2     3
1  3  4  6   3     9
2  5  5  5   3     2

这样你就会有一个 一维Y，但你仍然可以预测许多标签。