'Multiclass-multioutput не поддерживается' Ошибка в Scikit learn для классификатора Knn - PullRequest
Новая
       18

'Multiclass-multioutput не поддерживается' Ошибка в Scikit learn для классификатора Knn

1 голос
/ 03 апреля 2019

У меня есть две переменные X и Y.

Структура X (т.е. массив np.array): 

[[26777 24918 26821 ...    -1    -1    -1]
[26777 26831 26832 ...    -1    -1    -1]
[26777 24918 26821 ...    -1    -1    -1]
...
[26811 26832 26813 ...    -1    -1    -1]
[26830 26831 26832 ...    -1    -1    -1]
[26830 26831 26832 ...    -1    -1    -1]]

Структура Y: 

[[1252, 26777, 26831], [1252, 26777, 26831], [1252, 26777, 26831], [1252, 26777, 26831], [1252, 26777, 26831], [1252, 26777, 26831], [25197, 26777, 26781], [25197, 26777, 26781], [25197, 26777, 26781], [26764, 25803, 26781], [26764, 25803, 26781], [25197, 26777, 26781], [25197, 26777, 26781], [1252, 26777, 16172], [1252, 26777, 16172]]

Массив в Y, например [1252, 26777, 26831] - это три отдельные функции.

Я использую классификатор Knn из модуля обучения scikit 

classifier = KNeighborsClassifier(n_neighbors=3)
classifier.fit(X,Y)
predictions = classifier.predict(X)
print(accuracy_score(Y,predictions))

Но я получаю сообщение об ошибке:

ValueError: multilass-multioutput не поддерживается

Я предполагаю, что структура 'Y' не поддерживается, какие изменения я должен внести для того, чтобы программавыполнить?

Ввод: 

  Deluxe Single room with sea view

Ожидаемый вывод: 

c_class = Deluxe
c_occ = single
c_view = sea

1 Ответ

0 голосов
/ 03 апреля 2019

Как упоминалось в ошибке, KNN не поддерживает регрессию / классификацию с несколькими выходами.

Для решения вашей проблемы вам необходимо MultiOutputClassifier(). 

from sklearn.multioutput import MultiOutputClassifier

knn = KNeighborsClassifier(n_neighbors=3)
classifier = MultiOutputClassifier(knn, n_jobs=-1)
classifier.fit(X,Y)

Рабочий пример: 

>>> from sklearn.feature_extraction.text import TfidfVectorizer
>>> corpus = [
...     'This is the first document.',
...     'This document is the second document.',
...     'And this is the third one.',
...     'Is this the first document?',
... ]
>>> vectorizer = TfidfVectorizer()
>>> X = vectorizer.fit_transform(corpus)

>>> Y = [[124323,1234132,1234],[124323,4132,14],[1,4132,1234],[1,4132,14]]

>>> from sklearn.multioutput import MultiOutputClassifier
>>> from sklearn.neighbors import KNeighborsClassifier
>>> knn = KNeighborsClassifier(n_neighbors=3)
>>> classifier = MultiOutputClassifier(knn, n_jobs=-1)
>>> classifier.fit(X,Y)
>>> predictions = classifier.predict(X)

array([[124323,   4132,     14],
       [124323,   4132,     14],
       [     1,   4132,   1234],
       [124323,   4132,     14]])

>>> classifier.score(X,np.array(Y))
0.5

>>> test_data = ['I want to test this']
>>> classifier.predict(vectorizer.transform(test_data))
array([[124323,   4132,     14]])
...