Deep learning 是否有H2O算法支持多标签分类？

深度学习模型是否支持多标签分类问题或H2O中的任何其他算法

Orginal Response Variable -Tags:

apps, email, mail
finance,freelancers,contractors,zen99
genomes
gogovan
brazil,china,cloudflare
hauling,service,moving
ferguson,crowdfunding,beacon
cms,naytev
y,combinator
in,store,
conversion,logic,ad,attribution

将它们映射到字典的键后： 然后

响应变量如下所示：

[74]
[156, 89]
[153, 13, 133, 40]
[150]
[474, 277, 113]
[181, 117]
[15, 87, 8, 11]

---

多亏了

不，H2O只包含一次学习预测单个响应变量的算法。你可以把每个独特的组合变成一个单一的类，并以此方式训练一个多类模型，或者用一个单独的模型来预测每个类。

任何创建一个模型的算法，为一组输入提供“财务、自由职业者、承包商、zen99”，为另一组输入提供“cms、naytev”，都是非常适合的。你需要退一步，想想你真正的问题是什么

但与此相反，这里有一个想法：在你的答案词上训练一些单词嵌入（或使用一些预先训练过的单词）。然后，您可以对每组值的向量求平均值，并希望这能为“主题”提供良好的数字表示。然后，您需要将100维平均字向量转换为单个数字（PCA浮现在脑海中）。现在你有了一个数字，你可以给机器学习算法一个数字，它可以预测

你仍然有一个问题：在预测了一个数字之后，你如何将这个数字转换成一个100维的向量，然后从那里转换成一个主题，再从那里转换成主题词？很棘手，但可能不是不可能

---

（顺便说一句，如果你将上述“单个数字”转化为一个因素，并让机器学习模型进行分类，以预测与以前见过的主题最相似的主题……你基本上已经走了一整圈，将得到一个与之相同的模型。）

谢谢，在任何其他平台中，是否可以将组合概率映射回每个类的单独概率？关于多标签分类，在我看来，这似乎变得非常普遍，h2o不支持这一点让我有点吃惊……如果你能说出这些数字代表什么，数组中的顺序是否重要，等等，那就太好了，例如，你正在尝试预测什么。目前，这个问题确实没有比你的另一个问题更多的信息：@DarrenCook updatedya这是一个选项，但我想通过深入学习尝试这个问题，我正在使用word2vec进行嵌入。