问题标签 [multilabel-classification]

我想知道如何计算多类多标签分类的精度和召回度量，即有两个以上标签的分类，每个实例可以有多个标签？

让我们谈谈标签 A、B 和 C 的多标签分类问题。我可以计算每个标签的精度/召回率，如下所示：

• 精度：正确的 NodeX 分配 / 总 NodeX 分配
• 回忆：正确的 NodeX 分配 / 总 NodeX 真实出现次数
• F1 Measure: 2 * (Precision * Recall) / (Precision + Recall)

因为我有 3 个标签，所以我想通过平均每个单个节点的值来获得全局性能度量，就像这里建议的那样。

但是，我注意到这打破了 F1 测量不变量！一个例子来澄清：

尝试为多标签分类性能测量提出基于全局节点的指标是否正确？有没有更好的方法来做到这一点？

注意：我知道其他性能指标（准确性、ROC/AUC 等），但我也想解决这个问题。

我已经建立了一个分类的 3 层人工神经网络，它似乎可以在其他数据集上工作。玩弄我制作的一些人工数据集，当一个类在一个特征或另一个特征中为正时，我无法在两个类之间正确预测。

显然，可以通过询问特征 1 或特征 2 是否等于 1 来识别 class1，但我无法让算法正确预测数据集（数据集中有 20 个遵循此模式的示例）。

ANN/MLPs 可以识别这种类型的模式吗？如果是这样，我错过了什么？如果没有，是否有其他方法可以预测这种类型的模式（可能是 SVM）？

我使用 Octave，因为这是 coursera 提供的在线课程中使用的。我在这里列出了大部分代码，尽管在我运行它时它的结构略有不同。正如你所看到的，我确实在第一层和第二层使用了偏差单元，并且我还将第二层中隐藏单元的数量从 1 到 5 改变了，但与随机猜测相比没有任何改进。

对不起，我确实觉得我忽略了一些非常明显的东西。

但是怎么会发生以下情况：

所以测试文件与训练文件相同，但对于标签。因此，我希望 vw 生成它从训练文件中学到的原始标签，因为它完全忽略了测试文件中的标签。

但是，它似乎重现了测试文件中的标签？！？

显然，我在这里做错了什么……但是什么？

我注意到，将 SK-learn 的 LogisticRegression 分类器与以下 one-vs-rest 分类器结合使用时，我的 f 分数略低于单独使用它进行多类分类。

由于逻辑回归分类器的文档说明它使用一对多策略，我想知道哪些因素可以解释性能差异。我的 one-vs-rest LR 分类器似乎比 LR 分类器本身对其中一个类的预测更多。

我的数据集由具有各种属性的人的个人资料/简历组成，例如当前工作、收入、过去的公司、大学等。使用这些数据，我试图将申请人分为 3 类：良好、中等、拒绝。

我有一个带有标记样本的训练数据集。

我应该使用什么机器学习算法？

我将这样的 LIBSVM 格式的数据输入到 SciPy 稀疏矩阵中。训练集是多标签和多类的，如我问的这个问题中所述： Understanding format of data in scikit-learn

然后我使用OneVsRestClassifierwithLinearSVC来训练数据。

现在，当我想测试数据时，我执行以下操作。

在这里它给了我错误。我原样在这里转储回溯。

回溯（最近一次通话最后）：

文件“test.py”，第 36 行，在

预测 = clf.predict(X_)

文件“/usr/lib/pymodules/python2.7/sklearn/multiclass.py”，第 151 行，在预测中

返回 predict_ovr(self.estimators_, self.label_binarizer_, X)

文件“/usr/lib/pymodules/python2.7/sklearn/multiclass.py”，第 67 行，在 predict_ovr

Y = np.array([_predict_binary(e, X) for e in estimators])

_predict_binary 中的文件“/usr/lib/pymodules/python2.7/sklearn/multiclass.py”，第 40 行

返回 np.ravel(estimator.decision_function(X))

文件“/usr/lib/pymodules/python2.7/sklearn/svm/base.py”，第 728 行，在决策函数中

self._check_n_features(X)

_check_n_features 中的文件“/usr/lib/pymodules/python2.7/sklearn/svm/base.py”，第 748 行

X.shape[1]))

ValueError: X.shape[1] 应该是 3421，而不是 690。

我不明白为什么当输入格式是稀疏矩阵时它会寻找更多特征？我怎样才能让它正确预测测试标签？

根据其参数，OpenCV中CvSVM::train_auto的时间复杂度是多少？

特别，

• BOW（词袋）词汇量
• 班级数量
• 样品量

为了训练。

提前致谢 ！

我想为多类多标签分类建立一个混淆矩阵，然后计算精度、召回率和 F1。一个想法是从训练和测试集中的所有组合中构建它，例如

另一个想法是像简单的标签分类一样构建它，但是对矩阵的值使用双精度值，例如

这种情况下的问题是如何计算这个值有意义？

有人有构建此类矩阵的经验吗？哪个版本更理性？如果有其他方法可以构建这样的混淆矩阵，很高兴收到您的来信。

问候，安德烈

我手头有一个问题陈述，我需要知道它是否可以通过机器学习来解决。它是这样的： -

我有一个用户可以上传文档的系统，假设我们有一个名为 xxxZxxx.xxx 的文件

用户进入系统文件夹结构的多个级别并放置文件，（例如）A/B/C/D/Z/xxxZxxx.xxx

我们需要创建一个系统来读取文件名并建议 放置文件的路径。

在这种情况下，文件名包含路径的最后一部分，这是一个业务对象目录，但它可能不包含。我们有这样的路径和文档，按 10^5 的顺序排列。

随着时间的推移，可能会添加新的路径，即业务对象，这使得它成为一个多类分类，大约有 10^5 个类，并且不断增加

这可以解决吗？

我尝试使用一袋字符（灵感来自词袋）作为失败的特征向量。

对此可以遵循的任何方法有何评论？让我知道是否需要任何其他信息，我将编辑问题或更改标签。