问题标签 [scikit-multilearn]

在执行 GridSearchCV（来自 scikit-learn）之后，我无法拟合 MLkNN 模型的实例（来自 scikit-multilearn）。我收到一个错误。这是适当的代码：

完整跟踪：

我已经看过这个和这个和这个。我的问题不同，因为我检查了 train_x 和 train_y 的类型，它们都是密集的 numpy 数组。

我做错了什么，我该如何解决？

编辑：

我现在正在尝试下面提供的答案，但由于我得到的错误而进行了修改（在此处回答）：

编辑2：毕竟那​​不好。我明白了ValueError: query data dimension must match training data dimension。这是跟踪：

我有一个多标签问题，通过一些研究，我能够将 Label powerset 与 ML 算法结合使用。现在我想使用带有神经网络的标签 powerset，根据官方网站，我可以使用标签 powerset。但我无法理解如何修改我现有的代码才能使用 Label Powerset。

我想知道我们如何传递 epoch 或 batch_size 或模型的 fit 函数中传递的任何其他参数。

由于我有一个多标签问题，我使用了 sklearn 的 MultiLabelBinarizer，所以我的每个目标行看起来像这样 [1,0,0,1,0,0,0,0,0,0,0,0]。

最后，如果有人可以向我解释下一行中的 KERAS_PARAMS 和 Keras() 是什么：

下面是我现有的神经网络代码

我希望我的输出行看起来像这样只是 [1,0,0,1,0,0,0,0,0,0,0,0] 因为稍后我将使用我的 MultiLabelBinarizer 对此进行逆变换。

在 scikit-learn 中，有一种称为 的策略sklearn.multiclass.OneVsRestClassifier，可用于多类和多标签问题。根据其文档：

“在多标签学习文献中，OvR 也称为二元相关方法”。

我的问题是，

这个 scikit-learn 策略和 scikit-learn 策略有什么区别skmultilearn.problem_transform.BinaryRelevance吗？

先感谢您。

这可能是一个愚蠢的问题，但我只是想知道 scikit.ml 中实现的 ML-KNN 和 scikit-learn 的 KNeighborsClassifier 之间的区别是什么。根据sklearn 的文档， KNeighborsClassifier 支持多标签分类。然而，ML-KNN 是适用于多标签分类的 KNN，它建立在 sklearn 的架构之上，基于它的文档。

在搜索示例多标签问题时，MLkNN 大多出现，但我不明白如果它已经支持它，使用它是否比 sklearn 的基本实现有任何优势。只是sklearn方面的后期适应还是在实现上有更多差异？

任何输入表示赞赏。谢谢！

我有一个这样的数据框：

我想在删除每个标签列列表中的重复值后实现 MultiLabelBinarizer。

我试过循环框架并删除重复项。而且，多标签二值化器不起作用并引发异常

我有一个多标签数据（一些类有 2 个和一些 10 个标签），我的模型过度拟合平衡值和无值。为 class_weight 参数设置的最佳值是什么。

我正在尝试使用 BinaryRelevance 和 SVC 对数据（情绪）进行分类。这段代码在

http://scikit.ml/tutorial.html

我有这个问题

我正在使用 Azure ML Studio 创建一个自动化的 ML 管道。我已成功让我的模型在 Azure 中进行训练和测试，但它在model.to_json()和model.save_weights().

我相信我的模型上不存在这些功能，因为 scikit-multilearn 是 Keras 的包装器。但是，我希望能够保存我的模型和重量，以便可以将它们部署到 Web 服务服务。我使用的 scikit-multilearn 模型是 Binary Relevance。

感谢任何提供帮助的人。

我使用的 scikit-learn 版本是 0.22.1。我在 grid_scores(0.18) 和 cv_results(0.18+) 处收到错误，因为我有 sklearn 0.22 我使用了 cv_result..

错误：当我使用 (grid_ridge_m.cv_results_) 时出现以下错误

我正在使用已经在另一个上下文中运行的多标签分类器。

数据分类器包含来自图表的节点访问的数据，可在此处获得： https ://drive.google.com/file/d/1xD2dq4UL0UqQsuvEWgjSnFLBpjC5xlVL/view?usp=sharing

使用以下命令保存 csv：

代码：

X_train、X_test、y_train 和 y_test 的形状似乎还可以。我想这可能是任何标签概率都缺乏价值，但我不确定！无论如何，如果这是真的，我们怎么能避免呢？

错误信息：