使用np.vstack堆叠多标签列表报错，如何完成多标签二值化？

哈哈，这个问题我之前也踩过坑！你遇到的错误根源很明确：numpy的vstack/column_stack方法要求输入的数组维度必须规整，但你的labels_train和labels_test里的每个子列表长度不一样（有的包含2个标签，有的只有1个），自然没法拼接成符合numpy要求的二维数组。

正确的解决思路 #

其实根本不需要用numpy来合并标签，直接用Python列表的加法合并两个标签列表就可以了，因为MultiLabelBinarizer的fit方法本身就支持处理这种不规则的“列表的列表”格式，不需要转成numpy数组。

具体代码实现 #

from sklearn.preprocessing import MultiLabelBinarizer
from sklearn.model_selection import train_test_split

# 假设你的meetings和labels已经准备好
X_train, X_test, labels_train, labels_test = train_test_split(meetings, labels, test_size=0.4)

# 直接用Python列表加法合并所有标签，不需要numpy
all_labels = labels_train + labels_test

# 拟合MultiLabelBinarizer
mlb = MultiLabelBinarizer()
mlb.fit(all_labels)

# 转换训练集和测试集标签为二值化格式
labels_train_binarized = mlb.transform(labels_train)
labels_test_binarized = mlb.transform(labels_test)

补充说明 #

• MultiLabelBinarizer的fit方法接受的是可迭代的可迭代对象（比如列表的列表、元组的元组），完全兼容每个子元素长度不一的情况。
• 这样处理后，你就可以用二值化后的labels_test_binarized来计算hamming_score了，比如用sklearn.metrics.hamming_loss或者自定义的hamming_score函数。

内容的提问来源于stack exchange，提问作者Shiva Kumar