python中的多类分类

我正在将二进制分类问题转换为多标签分类程序。代码是用python编写的

现行守则如下：

positive_labels = [[0, 1] for _ in positive_examples]
negative_labels = [[1, 0] for _ in negative_examples]

现在我想把它转换成一个多标签，比如3个类-0，1，2

positive_labels = [[1,0,0] for _ in positive_examples]
neutral_labels = [[0,1,0] for _ in neutral_examples]
negative_labels = [[0,0,1] for _ in negative_examples]

这是正确的吗？如果没有，你能告诉我怎么做吗

---

请帮忙

您可以使用scikit中的MultiLabelBinarizer了解这一点

from sklearn.preprocessing import MultiLabelBinarizer
mlb = MultiLabelBinarizer()
# to fit transform you pass the rows of labels
mlb.fit_transform([(0,), (1,),(1,2)])

您将得到如下所示的输出

array([[1, 0, 0],
       [0, 1, 0],
       [0, 1, 1]])

mlb.transform([(1,2),(0,1)]) 

array([[0, 1, 1],
       [1, 1, 0]])

fit_transform方法实现TransformerMixin（）。它适合学习，然后改变它。一旦调用了fit_transform，就不需要再次调用fit，只需调用如下所示的transform

array([[1, 0, 0],
       [0, 1, 0],
       [0, 1, 1]])

mlb.transform([(1,2),(0,1)]) 

array([[0, 1, 1],
       [1, 1, 0]])

---

您可以在scikit中使用MultiLabelBinarizer了解这一点

from sklearn.preprocessing import MultiLabelBinarizer
mlb = MultiLabelBinarizer()
# to fit transform you pass the rows of labels
mlb.fit_transform([(0,), (1,),(1,2)])

您将得到如下所示的输出

array([[1, 0, 0],
       [0, 1, 0],
       [0, 1, 1]])

mlb.transform([(1,2),(0,1)]) 

array([[0, 1, 1],
       [1, 1, 0]])

fit_transform方法实现TransformerMixin（）。它适合学习，然后改变它。一旦调用了fit_transform，就不需要再次调用fit，只需调用如下所示的transform

array([[1, 0, 0],
       [0, 1, 0],
       [0, 1, 1]])

mlb.transform([(1,2),(0,1)]) 

array([[0, 1, 1],
       [1, 1, 0]])

---

你怎么处理积极的事情？目前，它们只是列表的列表（丢失了他们拥有的任何其他信息），您如何使用它们将决定您的解决方案是否正确。您如何处理正面的标签？目前它们只是列表列表（丢失了他们拥有的任何其他信息），您如何使用将决定您的解决方案是否正确。感谢帮助。感谢帮助。