我的目标是制作一个多类分类器，以处理不同的文件，并使用至少两个类（或标签）对其进行标记。这些文件是议会计划，因此将在一个同义词库中以至少一对值的形式对每个文件进行索引。
我在python版本中使用的是“ libsvm”，因为借助Snowball，NLTK等工具，在Python中删除停用词，标记化和词干化似乎更容易。
这个版本不能直接使用多重分类
但是，可以对多类分类器模型进行编程，生成总共k *（k-1）/ 2（其中“ k”是类数）。
LIBSVM的表示为：
<class/target>[ <attribute number>:<attribute value>]*
然后，对于具有5个类的文件，我是否应该仅更改类就生成前一行的5倍？
例如：
1 1：3 2：4 6：5…。
2 1：3 2：4 6：5…。
3 1：3 2：4 6：5…。
4 1：3 2：4 6：5…。
5 1：3 2：4 6：5…。
谢谢并恭祝安康。
最佳答案
你很困惑
多类方案-一般有2个以上的类，但每个对象正好分配了一个
多标签方案-每个对象分配了多个标签
SVM在其基本表述/实现中不能执行以上任一操作。尽管这两个问题都可以轻松分解。
通常，第一个方法是使用一个或全部或一对一的方法，两者都在scikit-learn中实现，其中您将python绑定到libsvm。
您的方案看起来就像多标签，在这种情况下，只能通过将问题分解为K个独立的svm来使用基本svm，只需创建K个不同的训练集，每个训练集都会回答问题“给定文件是否带有标签i？”并训练K个不同的SVM，每个简单地给您一点答案（我们假设标记过程是独立的，这是一种简化，但是其他方法将需要结构化SVM方法，例如svmstruct中可用的一种）。
您不能为单个标签创建单个libsvm培训文件。您引用的文档是指多类的，这不是您的情况，仅需要使用K个不同的标签名称，而不是复制行。
关于python - LIBSVM的多类表示，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/29791997/