python - 适用于多个参数的 CatBoostClassifier

Question

我有以下用于分类器的文本数据

1. 他是一名美国篮球运动员
2. 他在英国踢足球。

我想预测数据中的 2 个值:国家/地区、运动项目。 示例:1) 美国 |篮球; 2) 英国 |足球

目前我正在使用 CatBoostClassifier() 来预测单个值(例如国家/地区):

vectorizer = CountVectorizer(ngram_range=[1, 2])
x = vectorizer.fit_transform(df['words']).toarray()
y = df['country'].astype(int)
grid = GridSearchCV(CatBoostClassifier(n_estimators=200, silent=False), cv=3,
                param_grid={'learning_rate': [0.03], 'max_depth': [3]})
grid.fit(x, y)
model = grid.best_estimator_

我可以使用分类器来预测 2 个或更多值并获得组合模型吗？

Answer 1

您可以使用sklearn.multioutput模块还支持 CatBoostClassifier。该模块提供的所有分类器都采用单输出的基本估计器，并将它们扩展到多输出估计器。您可以例如使用MultiOutputClassifier这样:

from catboost import CatBoostClassifier
from sklearn.multioutput import MultiOutputClassifier

clf = MultiOutputClassifier(CatBoostClassifier(n_estimators=200, silent=False))

由于这是一个 scikit-learn 估计器，您也可以像以前一样在网格搜索中使用它，如下所示:

grid = GridSearchCV(clf, param_grid={'estimator__learning_rate': [0.03], 'estimator__max_depth': [3]}, cv=3)
grid.fit(x, y)

用于训练模型的标签应采用以下格式:

import numpy as np

y = np.asarray([['USA', 'basketball'], ['UK', 'football']])

无需更改您的功能x。