【Python实例第6讲】多标签分类

机器学习训练营——机器学习爱好者的自由交流空间（入群联系qq：2279055353）

分类原理

本例模拟一个多标签文档分类问题。数据集根据下面的过程随机产生。

• 选择标签数 n: 来自泊松分布。

• 选择一个类别 c: 来自多项分布。

• 选择文档长度 k: 来自泊松分布。

• 选择一个单词 w: 来自多项分布。

在上述过程里，使用拒绝采样(rejection sampling)确保n>2, 文档长度不是0. 同样地，我们也拒绝已经被选择的类。被分配两个类的文档，在图上用两种颜色圈出。

通过投射到PCA的前两个主成分做分类，然后使用sklearn.multiclass.OneVsRestClassifier分类器学习一个两类的判别模型。请注意，PCA是用来作一个无监督的降维，而CCA(典型关联分析)是用作有监督的降维。不同情况下的样本分类结果见下图。

注意：在下图中，无标签的样本并不意味着我们不能预测它们的标签，而是样本没有标签。

代码详解

首先，在Python环境加载必须的函数库。

print(__doc__)

import numpy as np
import matplotlib.pyplot as plt

from sklearn.datasets import make_multilabel_classifi