Scikit多标签分类：值错误：输入形状不正确。

Question

我相信带有loss='log'的SGDClassifier()支持多标签分类，我不需要使用OneVsRestClassifier。详情请查看此处。

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个特征。

当我按以下方式运行时：

clf.partial_fit(X_train_batch, y)

我得到了一个错误信息：ValueError: 输入形状不正确（300000，42048）。

我还尝试将类用作参数，但仍然出现相同的问题。

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

在SGD分类器的文档中，它指出：y：形状为[n_samples]的numpy数组。

- user644745

---

X_train_batch和y的形状是什么？ - bogatron

（300000，1048576）和（300000，42048）分别是scipy稀疏矩阵。 - user644745

Answer 1

不，SGDClassifier 不支持多标签分类--它支持多类别分类，这是一个不同的问题，尽管两者都可以使用一对所有问题缩减来解决。

然后，无论是 SGD 还是 OneVsRestClassifier.fit 都不会接受稀疏矩阵作为 y。前者需要一个标签数组，正如你已经发现的那样。后者需要一个用于多标签目的的标签列表，例如：

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

为了表示 X[0] 的标签是 1，X[1] 的标签是 {2,3}，X[2] 的标签是 {1,3}。

- Fred Foo

---

谢谢Larsmans。我进一步研究了它，并得到了所有问题的澄清。但现在我很担心，因为有大约42000多个标签，我可能需要为每个标签单独提供42K个估算器，而我不认为我可以在一台机器上完成所有这些工作。考虑使用ipython并行和starcluster。 - user644745

ValueError: 您似乎正在使用传统的多标签数据表示方式。不再支持序列中嵌套序列的形式，请改用二进制数组或稀疏矩阵 - MultiLabelBinarizer转换器可以将其转换为此格式。 - keramat