machine-learning - 多类文本分类（使用 TFIDF 和 SVM）。如何实现一个反馈可能属于多个类的场景？

Question

我有一个需要标记（分类）的原始反馈文件，然后作为 SVM 分类器（或任何分类器）的训练输入。

但问题是，我不会将整个反馈分配给某个类别。根据它所谈论的主题，一个反馈可能属于多个类别（提取了名词 n-gram）。所以，我标记的是主题（术语）而不是反馈（文档）。因此，我使用 TFIDF 提取了 n-gram，同时保存了它们的特征，这样我就可以训练我的模型了。问题在于，使用 tfidf，它返回一个文档项矩阵，即 train_x，但另一方面，我有 train_y；分配给每个 n-gram（不是整个文档）的标签。因此，我最终得到了一个文档到频率矩阵，其中包含 x 行数（文档数）与 y 数 n-grams（没有提取的唯一主题）的标签。

下面是数据的样例。蓝色是 n-gram（由 TFIDF 提取），而红色是标签/类别（使用我手动制作的函数为每个 n-gram 计算）。

这是我实现概念的策略，而不是编写代码：

问题在于 TFIDF 产生的那部分x_train = tf.Transform(feedbacks)，这是一个文档术语矩阵，它作为分类器的输入是没有意义的y_train，它是术语而不是文档的标签。我试图转置矩阵，它给了我一个错误。我尝试直接输入仅包含术语特征值的一维数组，这也给了我一个错误，因为分类器期望 X 是一种(sample, feature)格式。我正在使用 Sklearn 的 SVM 和 TfidfVectorizer 版本。

简而言之，我希望能够在术语列表（n-gram）上使用 SVM 分类器对标签列表进行训练以训练模型，然后测试新数据（在清理和提取其 n-gram 之后）以供 SVM 预测其标签。

该解决方案可能是一个非常技术性的事情，例如使用另一个期望不同格式的分类器，或者不使用 TFIDF，因为它以文档为中心（引用）甚至更广泛，方法和概念的整体改变（如果它是错误的）。

如果有人可以提供帮助，我将不胜感激。

标签： machine-learningscikit-learnsvmtext-classificationtfidfvectorizer