在spacy的文本分类示例中,有两个标签指定了正和阴性。因此,猫的得分被表示为
cats = [{"POSITIVE": bool(y), "NEGATIVE": not bool(y)} for y in labels]
我正在使用多标签分类,这意味着我有两个以上的标签标记在一个文本中。我增加了我的标签
textcat.add_label("CONSTRUCTION")
为了指定我用过的猫分数
cats = [{"POSITIVE": bool(y), "NEGATIVE": not bool(y)} for y
R package MLR支持多标签分类,该多标签分类将特征向量映射到一组离散标签Y_1,Y_2,...,Y_k。例如,Y_1,...,可能是分类人口统计特征,如年龄,收入,性别,并且这些特征中的多个可能适用于训练数据中的给定示例。我认为,这有时被称为多任务学习。
一些回归任务,如典型相关分析,具有类似的风格,其中我们的标签是连续的和向量值的。在MLR中表示此类任务的最佳方式是什么?我已经将鞋角典型相关分析管理到常规回归任务中,但我严重滥用了predict和performance方法(我想返回一个与向量值潜在事实进行比较的向量值预测)。
另一种方法是“向量化”训练数据,以便K值目标使每个训练示