如何用Pandas Python实现足球赛事多标签分类并解决RFE报错问题？

报错原因 #

1. 你对y执行了values.ravel()操作：原y是形状为(4560, 2)的二维数组，拉平后变成了长度为9120的一维数组，和X的4560个样本数量无法匹配，直接触发了样本数不一致的报错。
2. RFE参数使用错误：RFE(logReg, 20)中第二个入参是要保留的特征总数，不是你以为的测试百分比。你当前X总共只有2个特征，设置为20本身就无法生效。
3. 原生RFE不直接支持多标签输入，需要对基础分类器做包装才能适配多标签场景。

修复方案 #

第一步：依赖导入 #

from sklearn.feature_selection import RFE
from sklearn.linear_model import LogisticRegression
from sklearn.multioutput import MultiOutputClassifier

第二步：修正特征选择代码 #

# 用MultiOutputClassifier包装逻辑回归，适配多标签输出
logReg = MultiOutputClassifier(LogisticRegression(solver='lbfgs', max_iter=1000))
# 修正RFE参数，当前X只有2个特征，保留所有2个特征即可，可根据你后续新增的特征数量调整
rfe = RFE(logReg, n_features_to_select=2)
# 直接传入原始y即可，不要用ravel拉平
rfe = rfe.fit(X, y)
# 输出特征重要性结果
print(rfe.support_)

第三步：输出目标概率 #

训练完成后调用predict_proba方法即可得到你需要的两类概率：

# 训练模型
model = logReg.fit(X, y)
# 对单条测试样本做预测
test_sample = X.iloc[0:1] # 替换为你的待预测样本
proba_list = model.predict_proba(test_sample)
# 提取对应类别的概率
home_win_p = round(proba_list[0][0][1] * 100)
draw_p = round(proba_list[1][0][1] * 100)
# 按要求输出
print(f"Home Team Win {home_win_p}%")
print(f"Draw {draw_p}%")

优化建议 #

你当前的标签构造逻辑存在缺陷：主队获胜、平局、客队获胜是三个互斥的结果，多标签分类可能会出现同时预测主队获胜和平局的不合理结果。更合理的方案是直接改为三分类任务，标签对应三个结果：主队赢、客队赢、平局，训练完成后直接提取对应类别的概率即可，逻辑更严谨，精度也会更高。

内容的提问来源于stack exchange，提问作者Faran mazhar