通過使用Python

Question

我有這樣一個數據集獨立變量預測和分類設定值：

y1 | y2 | y3 | x1 | x2 | x3 | x4 | ..... xn| 
1 | 0 | 0 | 1 | 1 | 0 | 1 | ..... 1 | 
1 | 0 | 1 | 1 | 0 | 0 | 0 | ..... 0 | 
1 | 1 | 0 | 0 | 1 | 1 | 1 | ..... 0 | 

使用上面的數據，我有自變量X1，X2 ... Xn和因變量Y1， y2，y3。我想運行一些（機器學習）算法，它不僅可以對一個因變量進行分類，還可以對一組因變量進行分類。一種方法是逐個爲每個因變量學習模型，但這可能太耗時，因爲最初我有超過50個因變量。有沒有關於該算法的任何建議，可以以更快的速度爲我做到這一點？謝謝。

Answer 1

從官方scikit-learn documentation：

多輸出分類支持可被添加到 MultiOutputClassifier任何分類。該策略包括爲每個目標擬合一個 分類器。這允許多個目標變量 分類。此類的目的是將估計量擴展到 能夠估計在單個X預測器矩陣上訓練的一系列目標函數（f1，f2，f3 ...，fn），以預測一系列的 響應（ Y1，Y2，Y3，...，YN）。

因此，你可以使用這個幻想圖書館來爲你做工作:)