scikit-learn Pipeline管道能否支持多输出标签的训练拟合？

报错原因 #

默认的LogisticRegression仅支持单标签分类任务，要求输入的标签y为一维数组，你传入的3列二维数组属于多输出/多标签的标签格式，与默认逻辑回归的输入要求不匹配，因此触发报错。

对应解决方案 #

根据你的标签类型选择对应修改方式： #

情况1：3列是单标签多分类的one-hot编码（每个样本仅属于3个类别中的一个） #

你需要先将one-hot格式的二维标签转换为一维的类别标签，修改y的取值逻辑即可：

import numpy as np

X = newDf.iloc[:, 0:10].values
# 取one-hot编码最大值的下标，转换为1维类别标签
y = np.argmax(newDf.iloc[:, 10:13].values, axis=1)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=1)

pipe_lr = make_pipeline(StandardScaler(),
                    PCA(n_components=2),
                    LogisticRegression(random_state=1, solver='lbfgs'))

pipe_lr.fit(X_train, y_train)

情况2：3列是多标签任务（每个样本可同时命中多个标签） #

这种情况不需要修改y的格式，只需要用MultiOutputClassifier封装LogisticRegression，让模型支持多输出训练即可，修改管道定义部分：

from sklearn.multioutput import MultiOutputClassifier

X = newDf.iloc[:, 0:10].values
y = newDf.iloc[:, 10:13].values
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=1)

pipe_lr = make_pipeline(StandardScaler(),
                    PCA(n_components=2),
                    # 封装逻辑回归为多输出模型
                    MultiOutputClassifier(LogisticRegression(random_state=1, solver='lbfgs')))

pipe_lr.fit(X_train, y_train)

注意事项 #

如果是多标签任务，后续模型评估需要使用适配多标签的指标，例如计算F1值时需要指定average参数为micro/macro，不能直接使用单分类的默认评估逻辑。

内容的提问来源于stack exchange，提问作者Umberto Tessitore