创建多标签分类问题#

sklearn.datasets.make_multilabel_classification(n_samples=100, n_features=20, *, n_classes=5, n_labels=2, length=50, allow_unlabeled=True, sparse=False, return_indicator='dense', return_distributions=False, random_state=None)[source]#

生成一个随机的多标签分类问题。

对于每个样本，生成过程为：

  • 选择标签数量：n ~ Poisson(n_labels)

  • n 次，选择一个类别 c：c ~ Multinomial(theta)

  • 选择文档长度：k ~ Poisson(length)

  • k 次，选择一个词：w ~ Multinomial(theta_c)

在上述过程中，使用拒绝采样法确保 n 永不为零或大于n_classes，并且文档长度永不为零。同样，我们拒绝那些已经被选择的类别。

有关使用方法示例，请参见 随机生成的多标签数据集图示。

在 用户指南 中了解更多信息。

参数：
n_samplesint, 默认值=100

样本数量。

n_featuresint, 默认值=20

特征总数。

n_classesint, 默认值=5

分类问题的类别数。

n_labelsint, 默认值=2

每个实例的平均标签数。更准确地说，每个样本的标签数是从泊松分布中抽取的，其期望值为n_labels，但样本受n_classes限制（使用拒绝采样），如果allow_unlabeled为 False，则必须非零。

lengthint, 默认值=50

特征总和（如果为文档，则为词数）是从具有此期望值的泊松分布中抽取的。

allow_unlabeledbool, 默认值=True

如果为True，则某些实例可能不属于任何类别。

sparsebool, 默认值=False

如果为True，则返回稀疏特征矩阵。

0.17 版本新增： 允许稀疏输出的参数。

return_indicator{‘dense’, ‘sparse’} 或 False, 默认值='dense'

如果为'dense'，则以密集二进制指示符格式返回Y。如果为'sparse'，则以稀疏二进制指示符格式返回Y。False返回标签的列表列表。

return_distributionsbool, 默认值=False

如果为True，则返回先验类概率和给定类的特征条件概率，数据就是由此生成的。

random_stateint, RandomState 实例或 None, 默认值=None

确定数据集创建的随机数生成。传递一个整数以在多次函数调用中获得可重复的输出。参见 词汇表。

返回：
Xshape 为 (n_samples, n_features) 的 ndarray

生成的样本。

Yshape 为 (n_samples, n_classes) 的 {ndarray, 稀疏矩阵}

标签集。稀疏矩阵应为 CSR 格式。

p_cshape 为 (n_classes,) 的 ndarray

每个类别被抽取的概率。只有在return_distributions=True时才返回。

p_w_cshape 为 (n_features, n_classes) 的 ndarray

给定每个类别时，每个特征被抽取的概率。只有在return_distributions=True时才返回。

示例

>>> from sklearn.datasets import make_multilabel_classification
>>> X, y = make_multilabel_classification(n_labels=3, random_state=42)
>>> X.shape
(100, 20)
>>> y.shape
(100, 5)
>>> list(y[:3])
[array([1, 1, 0, 1, 0]), array([0, 1, 1, 1, 0]), array([0, 1, 0, 0, 0])]