Python 如何使用多标签数据训练分类器？

我试图训练一个分类器，将新闻标题作为输入，并输出符合以下标题的标记。我的数据包含一组新闻标题作为输入变量，这些标题的元标记作为输出变量

I One-Hot_将标题及其对应的元标记编码为两个单独的CSV。然后，我将它们组合成一个大数据帧，其中X_列值是标题词的5573x958 numpy数组，y_列值是5573x843 numpy数组

以下是包含我的数据的熊猫数据框的图像

分类器的目标是输入一个标题，并将与该标题最相关的标记作为输出。我的问题如下

X_train = train_set.iloc[:, :958].values
X_train.shape
(out) (5573, 958)

y_train = train_set.iloc[:, 958:].values
y_train.shape
(out) (5573, 843)

当我使用朴素贝叶斯分类器对其进行训练时，我得到以下错误消息：

bad input shape (5573, 843)

---

根据我的研究，获得多标签目标值的唯一方法是对它们进行一次热编码，因为当我尝试LabelEncoder（）或MultiLabelBinarizer（）时，我必须指定要进行二值化的每个列的名称，而当我有800多个列（单词）要指定时，我不知道如何进行。所以我只对它们进行了一次热编码，我相信这会给出相同的结果，只是分类器不喜欢它作为输入。关于如何解决这个问题有什么建议吗？

您可以使用Sklearn的多目标分类。以下是一个例子：

from sklearn.multioutput import MultiOutputClassifier
from sklearn.naive_bayes import MultinomialNB
nb_clf = MultiOutputClassifier(MultinomialNB()).fit(X_train, y_train)

您可以从该链接查看文档

from sklearn.multioutput import MultiOutputClassifier
from sklearn.naive_bayes import MultinomialNB
nb_clf = MultiOutputClassifier(MultinomialNB()).fit(X_train, y_train)