sklearn.multiclass.OneVsRestClassifier ：处理多分类问题

1.12. Multiclass and multilabel algorithms

- sklearn.multiclass 模块通过将多分类问题化为二分类问题来处理 multiclass 和 multilabel 分类问题。Multitarget regression 也支持。

Multilabel classification format

- 数据形式为(n_samples, n_classes)

例如：

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

- 3x3的二维数组代表3个样本，3个类别标签，其中，标签0在第一个样本中，标签1和2在第二个样本中，第三个样本无标签。

- sklearn.preprocessing.MultiLabelBinarizer(classes=None, sparse_output=False)预处理数据为支持的多标签形式。

• 例子：

- a list of sets or tuples is a very intuitive format for multilabel data，即可以集合或者元组形式。

from sklearn.preprocessing import MultiLabelBinarizer
mlb = MultiLabelBinarizer()

mlb.fit_transform([(1, 2), (3,)])
array([[1, 1, 0],
       [0, 0, 1]])
mlb.classes_
array([1, 2, 3])

例子2：

mlb.fit_transform([set(['sci-fi', 'thriller']), set(['comedy'])])
array([[0, 1, 1],
       [1, 0, 0]])
list(mlb.classes_)
['comedy', 'sci-fi', 'thriller']

例子3：

from sklearn.preprocessing import MultiLabelBinarizer
y = [[2, 3, 4], [2], [0, 1, 3], [0, 1, 2, 3, 4], [0, 1, 2]]
MultiLabelBinarizer().fit_transform(y)
array([[0, 0, 1, 1, 1],
       [0, 0, 1, 0, 0],
       [1, 1, 0, 1, 0],
       [1, 1, 1,