准备用于多标签分类的训练数据集

Question

我只是遵循了这里的代码（对sklearn 0.17做了一些小修改）。在那个例子中，数据只是列表或numpy数组。现在我想在磁盘上准备一个玩具训练数据集，并使用datasets.load_files加载它进行多标签分类。然而，简单地遵循load_files约定，然后将同一个文件复制到多个文件夹中，并不能为dataset.target生成列表（也称为标签集）。

那么，为多标签分类准备数据集的正确方法是什么呢？

Answer 1

我不认为load_files支持多标签类，老实说，我从未使用过scikit学习加载数据，我总是使用panda进行初始数据加载和预处理。您的案例的一个选项是将数据存储为csv，将标签序列化为管道分隔列表

例如，您的文件data.csv可能是

recipe_name,classes
'stir fried broccoli',chinese|vegetarian
'kung po chicken',chinese|meat
'sauerkraut salad',vegetarian|polish

您将按如下方式加载它：

import pandas as pd
df = pd.read_csv('data.csv')
X_train = df.recipe_name
y_train = df.classes.str.split('|')