sklearn之Multioutput 估计器

sklearn.multioutput 可以处理多输出 (multi-output) 的分类

一个例子就是预测图片每一个像素(标签) 的像素值是多少 (从 0 到 255 的 256 个类别)

Multioutput 估计器有两个：

• MultiOutputRegressor: 多输出回归   

• MultiOutputClassifier: 多输出分类

MultiOutputClassifier：

• 标签 1 - 小于等于 4，4 和 7 之间，大于等于 7 (三类)

• 标签 2 - 数字本身 (十类)

from sklearn.multioutput import MultiOutputClassifier
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
import numpy as np

digits = load_digits()
X_train, X_test, y_train, y_test= train_test_split( digits['data'], digits['target'], test_size=0.2 )

y_train_1st=y_train.copy()
y_train_1st[y_train<=4]=0
y_train_1st[np.logical_and(y_train>4,y_train<7)]=1
y_train_1st[y_train>=7]=2

y_train_multioutput=np.c_[y_train_1st,y_train]

print(y_train_multioutput)

#用含有 100 棵决策树的随机森林来解决这个多输入分类问题。
Mo=MultiOutputClassifier(RandomForestClassifier(n_estimators=100))
Mo.fit(X_train,y_train_multioutput)
#这个 ndarray 第一列是标签 1 的类别，第二列是标签 2 的类别。
print(Mo.predict(X_test[:5,:]))

测试结果：

F:\开发工具\pythonProject\tools\venv\Scripts\python.exe F:/开发工具/pythonProject/tools/python的sklear学习/sklearn04.py
[[0 3]
 [1 5]
 [1 5]
 ...
 [2 9]
 [2 9]
 [2 7]]
[[0 3]
 [0 0]
 [0 0]
 [0 0]
 [2 9]]

Process finished with exit code 0