Sklearn 多类数据集加载

Question

对于多类问题，我使用Scikit-Learn。我发现关于如何加载具有多个类的自定义数据集的示例很少。sklearn.datasets.load_files方法似乎不适合，因为文件需要多次存储。我现在有以下结构：

X => 带有功能列表的 Python 列表（文本）。

y => 带有类列表的 Python 列表（文本）。

如何将其转换为Scikit-Learn可以在分类器中使用的结构？

Answer 1

    import numpy as np
    from sklearn.preprocessing import MultiLabelBinarizer
    X = np.loadtxt('samples.csv', delimiter=",")
    y_aux = np.loadtxt('targets.csv', delimiter=",")
    y = MultiLabelBinarizer().fit_transform(y_aux)

代码解释：假设您将所有特征存储在一个名为 samples.csv 的文件中，将多类标签存储在另一个名为 targets.csv 的文件中（它们当然可以存储在同一个文件中，您只需要拆分列）。为了清楚起见，在本例中，我的文件包含：

• 
  samples.csv4.0,3.2,5.5
  6.8,5.6,3.3
• 
  targets.csv1,4 <-- 样本一属于第 1 类和第 4
  类2,3 <-- 样本二属于类 2,3

MultiLabelBinarizer对输出目标进行编码，使变量y准备好输入多类分类器。代码的输出为：

y = array([[1, 0, 0, 1],
   [0, 1, 1, 0]])

这意味着样本 1 属于

类 1 和 4，样本 2 属于类 2 和 3。