多标签电影Genre分类器训练报错：TypeError: 'FramePlotMethods'不可迭代

首先，咱们来定位你遇到的 TypeError: 'FramePlotMethods' object is not iterable 错误原因：

你在代码最后训练模型和计算准确率时，使用了 train[genre] 和 test[genre]，但你从来没有定义过genre这个变量！

这里的坑在于：Pandas 的 DataFrame 有一个内置的 .plot 方法（用于绘制图表），当 Python 找不到 genre 变量时，会误把 train[genre] 解析成 train.plot（这是一个 FramePlotMethods 对象），而这个对象是不可迭代的，无法作为多标签分类的目标输入，所以就抛出了这个错误。

修复步骤 #

你之前其实已经正确获取了所有电影类型的列名列表——categories（通过 categories = list(df_genres.columns.values) 得到），这正是你多标签分类需要的目标列集合。只需要把代码里的 genre 替换成 categories 即可：

修改后的最后一段代码如下：

from sklearn.model_selection import train_test_split
from sklearn.pipeline import Pipeline
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.multiclass import OneVsRestClassifier
from sklearn.naive_bayes import MultinomialNB
from sklearn.metrics import accuracy_score

train, test = train_test_split(df, random_state=42, test_size = 0.33, shuffle=True)
x_train = train.plot
x_test = test.plot

# Define a pipeline combining a text feature extractor with multi label classifier
NB_pipeline = Pipeline([
    ('tfidf', TfidfVectorizer(stop_words='english')),
    ('clf', OneVsRestClassifier(MultinomialNB( fit_prior=True, class_prior=None))),
])
# 替换为已定义的categories变量
NB_pipeline.fit(x_train, train[categories])
prediction = NB_pipeline.predict(x_test)
# 同样替换为categories
accuracy_score(test[categories], prediction)

额外提示 #

在多标签分类场景下，默认的 accuracy_score 计算方式可能不是最贴合需求的，你可以考虑使用更针对性的评估指标，比如汉明损失、微平均/宏平均 F1 值，来更全面地衡量模型性能：

from sklearn.metrics import hamming_loss, f1_score

print("汉明损失:", hamming_loss(test[categories], prediction))
print("微平均F1值:", f1_score(test[categories], prediction, average='micro'))
print("宏平均F1值:", f1_score(test[categories], prediction, average='macro'))

内容的提问来源于stack exchange，提问作者Chat Peters