如何将MultinomialNB与MultiOutputClassifier和partial_fit结合使用？

Question

我在任何地方都找不到这个问题的答案，在我的特殊情况下，也找不到科学知识学习文档中的一个例子。

我想将MultinomialNB与MultiOutputClassifier和partial_fit结合使用

我无法计算出partial_fit函数的类参数的格式( fit()函数不需要它，它工作得很好)

我在这里错过了什么？

谢谢你的帮忙

import pandas as pd
import numpy as np   

from sklearn.naive_bayes import MultinomialNB
from sklearn.multioutput import MultiOutputClassifier

df_train = pd.DataFrame({'feature': [1, 2, 3, 3, 4, 4, 5]})

df_train_labels = pd.DataFrame({'class1': ['1-3', '1-3','1-3', '1-3', '4-5', '4-5', '4-5'], 'class2': ['1-2', '1-2', '3-5', '3-5', '3-5', '3-5', '3-5']})

prediction_model = MultiOutputClassifier(MultinomialNB())

prediction_model.fit(df_train, df_train_labels) # Works fine

prediction_model.partial_fit(df_train,\
                                 df_train_labels,\
                                 np.unique(df_train_labels))  # Error

ValueError:期望数组样(数组或非字符串序列)，得到“1-2”。

Answer 1

类param值必须是每个目标变量的uniques值的列表。

来自文件：

类: numpy数组的列表，shape (n_outputs)。

每个数组都是唯一的类，因为str/int中的一个输出可以通过via获得。

[np.unique(y[:, i]) for i in range(y.shape[1])]，其中y是

整个数据集的目标矩阵。

对partial_fit的第一次调用需要此参数

并且可以在随后的调用中省略。

注意，y不需要包含classes中的所有标签。

import pandas as pd
import numpy as np   

from sklearn.naive_bayes import MultinomialNB
from sklearn.multioutput import MultiOutputClassifier

df_train = pd.DataFrame({'feature': [1, 2, 3, 3, 4, 4, 5]})

df_train_labels = pd.DataFrame({'class1': ['1-3', '1-3','1-3', '1-3', '4-5', '4-5', '4-5'], 
                                'class2': ['1-2', '1-2', '3-5', '3-5', '3-5', '3-5', '3-5']})

prediction_model = MultiOutputClassifier(MultinomialNB())



classes = [df_train_labels[c].unique() for c in df_train_labels]
prediction_model.partial_fit(df_train,\
                             df_train_labels,\
                             classes) 
prediction_model.predict([[1],[8,]])
# array([['1-3', '3-5'],
#        ['1-3', '3-5']], dtype='<U3')