Python scikit学习中多类问题的级联分类器

假设我有一个分类问题，它是多类的，并且具有典型的层次性，例如“可食用”、“营养”和“营养”—因此可以这样表示

├── edible
│   ├── nutritious
│   └── ~nutritious
└── ~edible

虽然可以通过支持多类分类的分类器获得合理的性能，或者对不支持多类分类的分类器使用一对一/所有方案，在每一级分别训练分类器并将它们连接起来，这样分类为“可食用”的实例就可以分类为营养类或非营养类

我想使用

scikit lean

估计器作为构建块，我想知道我是否可以让

管道

支持这一点，或者我是否需要编写自己的估计器来实现基本估计器，并且可能需要

baseemble

来实现这一点

---

之前@ogrisel在邮件列表中提到过它，我想知道是否有人对如何进行这项工作有见解或建议。

您可以通过提供构造函数参数

base\u estimator

和要级联的目标类的列表顺序列表，将自己的类作为元估计器编写。在该元分类器的拟合方法中，您基于这些类对该数据进行子切片，并为每个级别拟合

base_估计器的克隆，并将结果子分类器存储在元分类器的属性中

在predict方法中，您再次迭代级联结构，这次调用底层子分类器上的predict来切片您的预测并递归地将其传递到下一级。您将需要大量的numpy花式索引；）

你可以
git grep base\u estimator
在源代码中找到代码库中现有的元估计器示例（如Bagging、AdaBoost、GridSearchCV…）。
你最终做了什么？点击这篇旧文章，看看是否有人有关于如何做的好教程。