Bereiten Sie einen Trainingsdatensatz für Multilabel-Klassifizierung vor

Question

Ich folgte nur dem Code here (mit kleinen Änderungen für sklearn 0.17). In diesem Beispiel sind Daten nur Listen oder Nummernfelder. Jetzt möchte ich einen Spielzeugtrainingsdatensatz auf dem Datenträger vorbereiten und ihn mit datasets.load_files für die Multilabel-Klassifizierung laden. Wenn Sie jedoch einfach der Konvention load_files folgen und dann die gleiche Datei in mehrere Ordner kopieren, wird keine Liste mit Listen (alias Label-Sets) für dataset.target erstellt.

Also, was ist der richtige Weg, um einen Datensatz für Multilabel-Klassifizierung vorzubereiten?

Answer 1

Ich glaube nicht, load_files unterstützt Multilabel-Klassen, um ehrlich zu sein, ich habe nie verwendet scikit lernen, Daten zu laden, ich mache immer meine erste Daten laden und Vorverarbeitung mit Pandas. Eine Option für Ihren Fall wäre Ihre Daten als CSV zu speichern, Serialisierung Ihre Etiketten als Verkettungszeichen getrennte Listen

Zum Beispiel Ihre Datei data.csv könnte

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

und man würde es wie folgt laden:

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