我有一个多标签分类问题，我有多个目标，每个目标都是一个列表。
每个目标的预测可以是一个或多个项目的列表（一种或多种蔬菜和一种或多种水果）
Features lables :
A B C Vegetable fruits
1 3 8 [carrot, corn, carrot] [Apricot, Cherry]
1 3 8 [eggplant, pepper] [Mango ]
1 3 8 [carrot] [Banana, Cherry, Mango]
我想知道什么是正确的方法，例如什么是正确的模型，或者是否有类似问题的预定义模型或预定义模型？
如果您正在考虑每个配方完全不同的标签，尽管可能存在成分交叉，您应该将您的目标编码为不同的类，就像您通常对标签进行编码一样，例如：
>>> le = preprocessing.LabelEncoder()
>>> le.fit(["paris", "paris", "tokyo", "amsterdam"])
LabelEncoder()
>>> list(le.classes_)
['amsterdam', 'paris', 'tokyo']
>>> le.transform(["tokyo", "tokyo", "paris"])
array([2, 2, 1]...)
>>> list(le.inverse_transform([2, 2, 1]))
['tokyo', 'tokyo', 'paris']
您将嵌套列表作为类对象，因此要执行上述操作，您可以将标签列的类型更改为字符串，如下所示：
df['str_labels'] = [','.join(map(str, l)) for l in df['list_labels']]
df
list_labels str_labels
0 [carrot, corn, carrot] carrot, corn, carrot
1 [eggplant, pepper] eggplant, pepper
它被称为多输出、多标签分类。多输出是一组以上的目标，并且在每个单独的目标中可以有多个标签。
一种选择是在尝试神经网络之前从传统的机器学习开始。Scikit-learn 使用MultiOutputClassifier支持这种问题形成。