问题标签 [multiclass-classification]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - 使用 python 的 Spark 多类分类
我正在尝试使用 pySpark 实现多类分类，我花了很多时间搜索网络，并且我读到现在可以使用 Spark 2.1.0。
我已经生成了自己的具有全数字特征的数据集，并且创建了如下所示的 DataFrame；
我有三个类“Service_Level”，它们是 0、1 或 2。
问题：
- 如果我有这些功能，我是否必须使用 LabeledPoints？
- 如何使用多层感知器而不是逻辑回归？
谢谢。
scikit-learn - 多标签分类sklearn
我是 sklearn 和机器学习的新手。我有一个 csv 文件，其中包含以下类型的映射： ID-2001-0001, ID-category_1 ID-2002 - 0002, ID-category_2 。. 我有大约 1010 个唯一 ID 和 123 个唯一类别。现在，我希望对大约 1000 个其他 ID 进行分类。对于我想为 800/1010 已经分类的 ID 训练分类器。我正在使用sklearn。使用 SVM，我对剩余的 200 个 ID 得到了相同的预测。使用 GradientBoosting 我得到了 1.4% 的准确率。这是因为数据量小吗？基本上，我将 100 维向量和 ID-2001-0001 (word2vec) 及其对应的类别传递给 fit 方法。
我做这个分类对吗？还是我错过了什么？感谢任何帮助。谢谢
python - 创建和测试分类器
我在一个excel文件中有两列。第 1 行有准确的用户输入，第 2 行有其原因。例如
任务是实现一个分类器，当下次给出特定用户输入时，它可以分类为原因之一，即让分类器了解这些情况并预测未来值。
我对分类有一些了解，但我真的很想知道如何使用 one vs rest 分类器来实现它。
multilabel-classification - 将数据帧转换为 mldr 对象以用于 BR 算法
我正在使用 BR 算法进行多标签预测。我需要将测试数据转换为 MLDR 对象。但我没有这样做，因为测试数据没有结果列。我使用 mldr_from_dataframe(dataframe, labelIndices, attributes, name) 进行转换。在这个“labelIndices”是一个强制性条目。所以它不适用于我没有结果列（标签索引）的测试数据。如何进行转换？这样我就可以使用测试数据进行预测。
python - scikit learn中的OneVsRestClassifier和MultiOutputClassifier有什么区别？
有人可以解释一下（可能有例子）scikit-learn中OneVsRestClassifier和MultiOutputClassifier有什么区别吗？
我已阅读文档，并且了解我们使用：
- OneVsRestClassifier - 当我们想要进行多类或多标签分类时，它的策略包括为每个类拟合一个分类器。对于每个分类器，该类与所有其他类进行拟合。（这很清楚，这意味着多类/多标签分类问题被分解为多个二元分类问题）。
- MultiOutputClassifier - 当我们想要进行多目标分类时（这是什么？），它的策略包括为每个目标拟合一个分类器（目标在那里意味着什么？）
我已经使用 OneVsRestClassifier 进行多标签分类，我可以理解它是如何工作的，但后来我发现 MultiOutputClassifier 并且无法理解它与 OneVsRestClassifier 的工作方式有何不同。
scikit-learn - ValueError：无法处理多标签指示符和二进制的混合
我正在使用带有 scikit-learn 包装器的 Keras。特别是，我想使用 GridSearchCV 进行超参数优化。
这是一个多类问题，即目标变量只能在一组 n 个类中选择一个标签。例如，目标变量可以是“Class1”、“Class2”...“Classn”。
问题是，在交叉验证期间计算分数时，验证样本的真实标签是一次性编码的，而由于某种原因，预测会崩溃为二进制标签（当目标变量只有两个类时）。例如，这是堆栈跟踪的最后一部分：
如何指示 Keras/sklearn 以 one-hot 编码返回预测？
python - 多类分类中缺少值的 Keras 自定义损失
您好，我的训练数据在标签中有很多缺失值，例如，单个标签可以具有以下值：
我想训练一个忽略 nan 值的分类模型。目前我已经用-1填充了nan值，并尝试对其进行切片。掩码不起作用，因为分类交叉熵仍将其考虑在内
是我到目前为止所能想到的，但它出错了
有谁知道如何处理这个问题？
r - 如何在 mlr 中使用 multiclass.au1p 度量
我正在尝试在 mlr 包中使用 multiclass.au1p 度量。它给了我一个错误说
FUN(X[[i]], ...) 中的错误：测量 multiclass.au1p 需要预测类型为：'prob'！
当我尝试将预测类型设置为 prob 时，它给了我一个类似于我使用的任何分类器的错误
setPredictType.Learner(learner, predict.type) 中的错误：尝试预测概率，但 classif.xgboost.multiclass 不支持！
我该如何解决这个问题？
以下是我的代码
matlab - 最近的质心分类器真的效率低下吗？
我目前正在阅读 Ethem Alpaydin 的“机器学习简介”，我遇到了最近的质心分类器并试图实现它。我想我已经正确实现了分类器，但我得到的准确率只有 68%。那么，最近的质心分类器本身效率低下还是我的实现中存在一些错误（如下）？
该数据集包含 1372 个数据点，每个数据点有 4 个特征，并且有 2 个输出类 My MATLAB implementation：
python - 决定使用 SMOTE 时要平衡的类
我正在使用 SMOTE (imblearn.over_sampling import SMOTE) 来解决多类分类问题，其中一些类高度不平衡。目前我已经创建了一个循环，它将通过一些迭代对具有最少观察的类进行过度采样。默认情况下，该库将采用样本最少的类并对其进行过采样，但我想决定要对哪个类进行过采样。我看不到图书馆如何支持这个选项 - 有什么想法吗？
我的代码：