Scikit Learn多标签分类，从MultiLabelBinarizer获取标签

Question

在多标签分类问题中，我使用MultiLabelBinarizer将我的20个文本标签转换为由0和1组成的二进制列表。

预测后，我得到了一个由20个二进制值组成的列表，并且我想输出相应的文本标签。

我只是想知道MultiLabelBinarizer()是否提供了回转转换，还是我需要手动执行。

- sono

---

顺便提一下，MultiLabelBinarizer().classes_ 会储存转换列表中标签的顺序。因此只需要一个 for 循环来打印与我的预测相对应的 MultiLabelBinarizer().classes_ 中的索引，虽然有些麻烦。 - sono

Answer 1

是的，MultiLabelBinarizer提供了一个名为inverse_transform()的方法，可以将二值化的标签转换回在fit()期间提供给它的原始名称。 http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.MultiLabelBinarizer.html#sklearn.preprocessing.MultiLabelBinarizer.inverse_transform

inverse_transform(yt)

Transform the given indicator matrix into label sets
Parameters:   

yt : array or sparse matrix of shape (n_samples, n_classes)

    A matrix containing only 1s ands 0s.

Returns:  

y : list of tuples

    The set of labels for each sample such that y[i] consists of classes_[j] for each yt[i, j] == 1.

- Vivek Kumar

---

太好了，它可以工作。总结一下：1）mlb = MultiLabelBinarizer() 2）y = mlb.fit_transform(labels) 3）print mlb.inverse_transform(clf.predict(test[0])) - sono

是的，那是正确的。 - Vivek Kumar

当我们使用predict_proba()而不是predict()时，如何进行inverse_transform（）操作？ - loving_guy

@loving_guy inverse_transform() 只能用于原始值（目标值）。如果您使用了 predict_proba，那么您首先需要决定阈值，以便为该样本分配特定的目标类。一旦对所有值完成此操作，然后使用 inverse_transform()。 - Vivek Kumar