Sklearn多类数据集加载

Question

对于多类问题，我使用Scikit-Learn。我发现很少有关于如何加载具有多个类的自定义数据集的示例。 sklearn.datasets.load_files方法似乎不合适，因为文件需要多次存储。我现在有以下结构：

X =＆gt;带有功能列表的Python列表（文本中）。

y =＆gt;包含类列表的Python列表（文本中）。

如何将其转换为Scikit-Learn可以在分类器中使用的结构？

Answer 1

    import numpy as np
    from sklearn.preprocessing import MultiLabelBinarizer

    X = np.loadtxt('samples.csv', delimiter=",")
    y_aux = np.loadtxt('targets.csv', delimiter=",")
    y = MultiLabelBinarizer().fit_transform(y_aux)

代码说明：假设您将所有功能存储在名为samples.csv的文件中，将多个标签存储在另一个名为targets.csv的文件中（当然可以存储它们）在同一个文件中，您只需要拆分列）。为清楚起见，此示例中的文件包含：

• samples.csv
  4.0,3.2,5.5
  6.8,5.6,3.3
• targets.csv
  1,4＆lt; - 样品1属于1类和4类 2,3＆lt; - 样品2属于2,3类

MultiLabelBinarizer以这样一种方式对输出目标进行编码，即y变量已准备好输入多类分类器。代码的输出是：

y = array([[1, 0, 0, 1],
   [0, 1, 1, 0]])

意味着样本1属于类1和4，样本2属于2和3。