分级分类

Question

我有一个多等级的问题。我想用传家宝分类的LCPN (本地分类器每一个父节点)方法来解决这个问题。因此，我已经手动将原始数据集划分为两个层次结构。级别1有4个父类&每个父类都有子类。

我为第1级分类建立了一个模型(用于预测父类)。基于第1级的预测，现在我希望将被分类为1类的实例发送到第二个分类器，该分类器区分第1类的子标签。同样，我也想对其他父类重复这个过程。我这样做主要是为了避免与LCPN相关的不一致问题。

这是我到目前为止所做的主要工作。

X = data_frame.drop([‘region’], axis = 1) # Features
y = data_frame[‘region’] # Labels

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

sm = SMOTE()
X_resampled, y_resampled = sm.fit_sample(X_train, y_train)

model = DecisionTreeClassifier().fit(X_resampled, y_resampled)
print(classification_report_imbalanced(y_test, predictions))

我很难找到一种方法来进一步进行第二级分类，基于第1级的预测。有人能给我一个好的方法吗？

提前感谢

Answer 1

我们刚刚发布了一个与scikit兼容的新库--学习创建本地层次分类器。您可以使用lcppn = LocalClassifierPerParent(local_classifier=RandomForestClassifier())轻松地为每个父节点创建一个本地分类器，然后用lcppn.fit()来拟合您的模型并使用lcppn.predict()进行预测。图书馆为你做了所有的重活。:)

它可以很容易地用pip install hiclass或conda install hiclass安装。文档和更多的示例可以在https://gitlab.com/dacs-hpi/hiclass上找到。

我希望这对你和未来的读者都有帮助。