我相信SGDClassifier() with loss='log'支持多标签分类，我不必使用 OneVsRestClassifier。检查这个 https://stackoverflow.com/questions/15036630/batch-gradient-descent-with-scikit-learn-sklearn
现在，我的数据集非常大，我正在使用HashingVectorizer并将结果作为输入传递给SGDClassifier。我的目标有 42048 个特征。
当我运行这个时，如下：
clf.partial_fit(X_train_batch, y)
I get: ValueError: bad input shape (300000, 42048).
我也使用类作为参数，如下所示，但仍然存在同样的问题。
clf.partial_fit(X_train_batch, y, classes=np.arange(42048))
在 SGDClassifier 的文档中，它说y : numpy array of shape [n_samples]
No, SGDClassifier does not进行多标签分类——确实如此多类分类，这是一个不同的问题，尽管两者都是使用一对多问题简化来解决的。
那么，SGD 和OneVsRestClassifier.fit http://scikit-learn.org/stable/modules/generated/sklearn.multiclass.OneVsRestClassifier.html#sklearn.multiclass.OneVsRestClassifier.fit将接受稀疏矩阵y。正如您已经发现的那样，前者需要一系列标签。出于多标签的目的，后者需要一个标签列表的列表，例如
y = [[1], [2, 3], [1, 3]]
来表示X[0]有标签 1，X[1]有标签{2,3} and X[2]有标签{1,3}.
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
