多个因变量的监督机器学习分类实例

Question

我在哪里可以找到监督分类机器学习的分类因变量的例子？

例如：

蜥蜴为昆虫，苍蝇为昆虫，蚊子为昆虫，猴子为哺乳动物，熊为哺乳动物，鲨鱼为鱼，格皮为鱼，芬兰为国家，美国为国家，日本为国家，苹果公司为公司，伯克希尔哈撒韦公司作为公司，默克公司，公司.

我已经采取了Udemy机器学习all和所有的场景是只有2个因变量(是或否，1或0)。任何人都知道在哪里可以找到Python代码或学习示例，以便将文本分类为国家、公司、昆虫等。两个以上的因变量？

谢谢

@David Dale，我试过：

import numpy as np
import pandas as pd

dataset = pd.read_csv('Test31Oct17.csv')
X = dataset.iloc[:, 0].values
y = dataset.iloc[:, 1].values

from sklearn import datasets
from sklearn.multiclass import OneVsOneClassifier
from sklearn.svm import LinearSVC
OneVsOneClassifier(LinearSVC(random_state=0)).fit(X, y).predict(X)`

它没有起作用。上面写着ValueError:无法将字符串转换为浮动：‘南岗区新涌路66号14层楼’。

对于y，我已经把所有的分类改为1，2，3，4.代替鱼类、国家、哺乳动物等

Answer 1

UCI机器学习库应该为您提供大量的示例，说明您所要求的内容--您可以在那里搜索两个以上类的分类问题。

Answer 2

如果我理解正确的话，你问的不是多个因变量，而是一个多类因变量。

许多ML算法(从logistic回归到决策树及其集合)自然支持多类分类。其他基本形式的算法(如支持向量机)不能处理多类问题。但是，几个这样的二进制模型可以用一种对一种或一种相对于rest的方式聚合。

例如，scikit学习支座多类分类，甚至更困难的案例-多标签和多任务分类(没错，它们都是不同的问题)。