使用 MultiOutputClassifier 构建多标签分类模型-Python教程-PHP中文网

使用 MultiOutputClassifier 构建多标签分类模型

霞舞

发布： 2025-08-13 18:56:12

原创

865人浏览过

使用 multioutputclassifier 构建多标签分类模型

本文档旨在指导读者如何使用 sklearn 库构建一个多标签分类模型，用于预测基于坐标数据的人员位置和姿态。我们将探讨常见错误，并提供正确的代码示例，帮助您成功训练模型。本文重点解决 ValueError: Found input variables with inconsistent numbers of samples 错误，并提供调试和改进模型的建议。

数据准备

首先，我们需要准备数据。假设我们有一个包含坐标数据以及对应的类别（class）和姿态（stand）的 CSV 文件。

import pandas as pd
from sklearn.model_selection import train_test_split

# 读取 CSV 文件
df = pd.read_csv('deadlift.csv')

# 显示前几行数据
print(df.head())

登录后复制

接下来，我们将数据分割成特征（X）和目标变量（y）。目标变量包含 class 和 stand 两列，表示多标签分类问题。

# 分割特征和目标变量
X = df.drop(['class', 'stand'], axis=1)
y = df[['class', 'stand']]

# 分割训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=1234)

# 打印训练集形状
print("X_train shape:", X_train.shape)
print("y_train shape:", y_train.shape)

登录后复制

确保 X_train 和 y_train 的样本数量一致。ValueError: Found input variables with inconsistent numbers of samples 错误通常是因为训练集和目标变量的样本数量不匹配造成的。

模型构建与训练

现在，我们可以构建和训练模型。这里使用 Pipeline 结合 CountVectorizer 和 MultiOutputClassifier，其中 MultiOutputClassifier 使用 LogisticRegression 作为基础分类器。

天工大模型

中国首个对标ChatGPT的双千亿级大语言模型

115

查看详情

from sklearn.pipeline import Pipeline
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.multioutput import MultiOutputClassifier
from sklearn.linear_model import LogisticRegression

# 构建模型
model = Pipeline(steps=[
    ('cv', CountVectorizer(lowercase=False)),
    ('lr_multi', MultiOutputClassifier(LogisticRegression()))
])

# 训练模型
model.fit(X_train.astype(str), y_train)

登录后复制

注意：

CountVectorizer 通常用于文本数据。如果你的特征不是文本数据，可能需要使用其他特征提取方法，例如 StandardScaler 或 MinMaxScaler。
LogisticRegression 是一个常用的分类器，但也可以尝试其他分类器，例如 RandomForestClassifier 或 SVC。
需要将X_train的数据类型转换为字符串类型，避免ValueError。

模型评估

训练完成后，我们需要评估模型的性能。

from sklearn.metrics import accuracy_score

# 预测
y_pred = model.predict(X_test.astype(str))

# 评估模型
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

登录后复制

注意事项：

accuracy_score 是一种常用的评估指标，但对于多标签分类问题，可能需要使用其他指标，例如 precision_score、recall_score 或 f1_score。
可以使用 classification_report 生成更详细的评估报告。

完整代码示例

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.pipeline import Pipeline
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.multioutput import MultiOutputClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score

# 读取 CSV 文件
df = pd.read_csv('deadlift.csv')

# 分割特征和目标变量
X = df.drop(['class', 'stand'], axis=1)
y = df[['class', 'stand']]

# 分割训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=1234)

# 构建模型
model = Pipeline(steps=[
    ('cv', CountVectorizer(lowercase=False)),
    ('lr_multi', MultiOutputClassifier(LogisticRegression()))
])

# 训练模型
model.fit(X_train.astype(str), y_train)

# 预测
y_pred = model.predict(X_test.astype(str))

# 评估模型
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

登录后复制

总结

本文档介绍了如何使用 sklearn 库构建一个多标签分类模型，用于预测基于坐标数据的人员位置和姿态。我们解决了 ValueError: Found input variables with inconsistent numbers of samples 错误，并提供了完整的代码示例。记住，数据预处理、特征选择和模型选择是构建一个高性能模型的关键步骤。根据实际情况调整代码，并尝试不同的模型和评估指标，以获得最佳结果。同时，务必检查训练数据和目标变量的形状是否一致，这是避免 ValueError 的关键。

以上就是使用 MultiOutputClassifier 构建多标签分类模型的详细内容，更多请关注php中文网其它相关文章！