Python RandomForestClassifier为多标签类提供转置输出

出于某种原因，每当我运行

集成.RandomForestClassifier（）

并使用

.predict\u proba（）

方法时，它都会以

[n\u classes，n\u samples]

的形式返回一个2d数组，而不是它应该返回的

[n\u samples，n\u classes]

形状

以下是我的示例代码：

# generate some sample data

X = np.array([[4, 5, 6, 7, 8], 
              [0, 5, 6, 2, 3], 
              [1, 2, 6, 5, 8], 
              [6, 1, 1, 1, 3], 
              [2, 5, 3, 2, 0]])
»» X.shape
   (5, 5)

y = [['blue', 'red'], 
     ['red'], 
     ['red', 'green'], 
     ['blue', 'green'], 
     ['orange']]

X_test = np.array([[4, 6, 1, 2, 8], 
                   [0, 0, 1, 5, 1]])
»» X_test.shape
   (2, 5)

# binarize text labels

mlb = preprocessing.MultiLabelBinarizer()
lb_y = mlb.fit_transform(y)

»» lb_y 
   [[1 0 0 1]
    [0 0 0 1]
    [0 1 0 1]
    [1 1 0 0]
    [0 0 1 0]]

»» lb_y.shape
   (5, 4)

到目前为止，一切正常。但当我这么做的时候：

rfc = ensemble.RandomForestClassifier(random_state=42)
rfc.fit(X, lb_y)
yhat_p = rfc.predict_proba(X_test)

»» yhat_p
[array([[ 0.5,  0.5],
        [ 0.7,  0.3]]), 
 array([[ 0.4,  0.6],
        [ 0.5,  0.5]]), 
 array([[ 0.7,  0.3],
        [ 0.7,  0.3]]), 
 array([[ 0.7,  0.3],
        [ 0.6,  0.4]])]

---

我的

yhat_p

大小是

[n_类，n_类]

而不是

[n_类，n_类]

。有人能告诉我为什么我的输出是转置的吗？注意：

.predict（）

方法工作得很好。

通过对数据进行二值化，您已经解决了问题，因此您现在要执行四个单独的分类任务。每个任务都有两个类，0和1，其中1表示“有此标签”，0表示“没有此标签”）

文档中的格式有点奇怪，但上面说：

形状数组=[n_个样本，n_个类]，或者如果n_个输出>1，则n_个输出的数组列表

因为您有四个输出，所以可以得到四个数组的列表。这些数组中的每一个都是形状（2，2），因为每个输出有两个样本（即X_测试中的两行）和两个类（0和1）。文档中提到的

n_classes

是单个输出的类数，而不是您正在执行的所有输出分类的类总数。（它返回列表而不是单个数组的原因是，不要求单独的分类具有相同数量的类。您可以执行多输出分类任务，其中一个输出具有两个类，另一个输出具有100个类。）

例如，列表中的第一个元素是

array([[ 0.5,  0.5],
        [ 0.7,  0.3]]), 

---

每一行都给出了

X_测试

的对应行属于第一个分类任务中的每个类的概率，本质上是“该项目是否为蓝色？”因此第一行告诉您第一个

X_测试

行不为蓝色的概率为50%，蓝色的概率为50%；第二行告诉您，第二个

X\u测试

行不为蓝色的概率为70%，为蓝色的概率为30%。

“文档中提到的n\u类是单个输出的类数，而不是您正在执行的所有输出分类的总类数”-这样就可以了。谢谢