pandas - 如何使用 MultiLabelBinarizer 进行多标签分类？

Question

我正在尝试进行多标签分类。但我真的被困在数据预处理上。我的目标数据在一个单独的文件中。目标数据如下所示

   Id              Tag
0   1             data
1   4               c#
2   4         winforms
3   4  type-conversion
4   4          decimal

我正在尝试使用 MultiLabelBinarizer 来预处理数据。最后，我希望它看起来像这样 -

ID	数据	C＃	表格	类型转换	十进制
1	1	0	0	0	0
4	0	1	1	1	1

这是我正在使用的代码

import pandas as pd
from sklearn.preprocessing import MultiLabelBinarizer

question_tags = pd.read_csv("./archive/question_tags.csv")
print(question_tags.head())
mlb = MultiLabelBinarizer()
print(mlb.fit_transform(question_tags))

这是我得到的输出。

[[1 0 0 1 0]
 [0 1 1 0 1]]

我究竟做错了什么？

Answer 1

你没有做错任何事。MultiLabelBinarizer()，与大多数其他sklearn东西一样，返回 numpy 数组。在这种情况下，基础数据看起来与您的预期输出相同，没有ID和Tag名称。

改用pd.crosstab：

pd.crosstab(df['Id'], df['Tag'])