scikit-multilearn 笔记 第一节

英文原文: 点我.
声明：此博文为对原英文文章的翻译加个人的理解，一方面为自己学习所用，另一方面为需要中文scikit-multilearn文档的小伙伴提供便利。

侵删

第一节 一起开始使用scikit-multilearn吧

Scikit-multilearn是一个BSD许可的多标记分类库，建立在众所周知的scikit-learn库之上。

1 安装

在命令行，安装Scikit-multilearn，运行一下代码：

$ pip install scikit-multilearn

2 使用

Scikit-multilearn可以在Windows，Linux和OSX操作平台的python2或者3上面运行，使用其模块时，只需要如下的声明代码。

import skmultilearn

3 试着在emotions数据上跑一下

（1）下面使用emotions数据，来运行一下。

from skmultilearn.dataset import load_dataset

在我运行这一行代码时，报错，显示没有arff模块，如下图。

这时，只需要在命令行运行以下代码安装arff模块即可，安装之后，即可正常运行。

$ pip install arff

（2）加载数据，加载数据时会显示

emotions:train - does not exists downloading
Downloaded emotions-train
不用管它。

X_train,  Y_train, feature_names, label_names = load_dataset('emotions', 'train')
X_test, Y_test, _, _ = load_dataset('emotions', 'test')

可以打印下X_train, Y_train, feature_names, label_names，用如下代码。

print('X_train       is {}'.format(X_train))
print('Y_train       is {}'.format(Y_train))
print('feature_names is {}'.format(feature_names))
print('label_names   is {}'.format(label_names ))

（3）训练模型

from skmultilearn.problem_transform import BinaryRelevance
from sklearn.svm import SVC
clf = BinaryRelevance(
    classifier=SVC(),
    require_dense=[False, True]
)
clf.fit(X_train, Y_train)

打印训练结果，原文中使用的是clf.classifiers，但是在我的电脑上运行，显示错误，应该是版本的问题，经过查找资料，发现应该使用如下代码。

clf.classifiers_

（4）获得预测结果，并打印有关评价指标。

import sklearn.metrics as M
prediction = clf.predict(X_test)
hamming_loss_emotions = M.hamming_loss(Y_test, pred)
ACC_emotions = M.accuracy_score(Y_test, pred)
print('hamming_loss_emotions is {}'.format(hamming_loss_emotions))
print('ACC_emotions is {}'.format(ACC_emotions))

（5）完整程序如下：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

from skmultilearn.dataset import load_dataset
from skmultilearn.problem_transform import BinaryRelevance as BRl
from sklearn.svm import SVC
import sklearn.metrics as M

X_train, Y_train, feature_names, label_names = load_dataset('emotions', 'train')
X_test, Y_test, _, _ = load_dataset('emotions', 'test')

# print('X_train       is {}'.format(X_train))
# print('Y_train       is {}'.format(Y_train))
# print('feature_names is {}'.format(feature_names))
# print('label_names   is {}'.format(label_names ))

clf = BRl(classifier=SVC(), require_dense=[False, True])
clf.fit(X_train, Y_train)
pred = clf.predict(X_test)

print(clf.classifiers_)
hamming_loss_emotions = M.hamming_loss(Y_test, pred)
ACC_emotions = M.accuracy_score(Y_test, pred)
print('hamming_loss_emotions is {}'.format(hamming_loss_emotions))
print('ACC_emotions is {}'.format(ACC_emotions))

程序运行结果如下：

个人能力有限，望各位批评指正。