如何进行以下问题的多标签分类或多类别分类？Pandas Python

Question

我的原始数据看起来像这样。

    id  season   home_team  away_team  home_goals  away_goals result winner
 0  0   2006-07  Shu        Liv        1           1          D      NaN
 1  1   2006-07  Ars        Avl        1           1          D      NaN
 2  2   2006-07  Eve        Wat        2           1          H      Eve
 3  3   2006-07  New        Wig        2           1          H      New
 4  4   2006-07  Por        Bla        3           0          H      Por

目的是建立一个模型来预测，即

Home Team Win 55%

Draw          13%

Away Team Win 32%

我选择了这三列并对它们进行了标签编码。

home_team, away_team, winner

然后我创建了这些新的类/标签。

df.loc[df["winner"]==df["home_team"],"home_team_win"]=1
df.loc[df["winner"]!=df["home_team"],"home_team_win"]=0

df.loc[df["result"]=='D',"draw"]=1
df.loc[df["result"]!='D',"draw"]=0

df.loc[df["winner"]==df["away_team"],"away_team_win"]=1
df.loc[df["winner"]!=df["away_team"],"away_team_win"]=0

现在编码后的数据看起来像这样：

    home_team   away_team   home_team_win   away_team_win   draw
0   28          19          0               0               1
1   1           2           0               0               1
2   14          34          1               0               0
3   23          37          1               0               0
4   25          4           1               0               0

最初，我使用下面的代码针对单个标签'home_team_win'，它工作得很好，但不支持多类别/标签。

X = prediction_df.drop(['home_team_win'] ,axis=1)

y = prediction_df['home_team_win']

logReg=LogisticRegression(solver='lbfgs')

rfe = RFE(logReg, 20)

rfe = rfe.fit(X, y.values.ravel())

如何对这个问题进行多标签分类或多类分类？

- Faheeem Sajjad

Answer 1

目标二元变量home_team_win、away_team_win和draw是相互排斥的。在这个问题中，使用多标签方法似乎不是一个好主意，因为通常它们被设计用于利用标签之间的依赖关系，而在这个数据集中不存在这样的依赖关系。

我建议将其建模为其最常见形式的多类问题，其中有一列包含三个类别：0、1和2（代表主队输、平局、客队胜利）。许多scikit-learn分类器的实现可以直接以这种方式工作，其中逻辑回归就是其中之一：

from sklearn.linear_model import LogisticRegression

logReg=LogisticRegression(solver='lbfgs', multi_class='ovr')
logReg.fit(X,Y)
logReg.predict_proba(X)

此代码将输出每行数据 X 中每个类别所对应的期望概率。 具体来说，此代码会为每个类别单独训练一个逻辑回归模型（这就是 multi_class='ovr' 参数的作用）。

请参考 https://scikit-learn.org/stable/supervised_learning.html 了解其他直接处理此多分类数据集形式的分类器。

- lhsmello