sklearn-hierarchical-classification

基于scikit-learn接口和约定的层次分类模块。

请参阅GitHub Pages托管文档此处。

安装

要安装，只需通过pip将此软件包安装到您想要的虚拟环境，例如

pip install sklearn-hierarchical-classification

使用

请参阅examples/中的使用示例。

Jupyter笔记本

交互式开发支持内置到HierarchicalClassifier类中。这将使训练期间出现进度条（使用出色的tqdm库），在其他情况下可能使对分类器的了解更深入，这在交互式使用时非常有用。要启用此功能，请确保运行时启用小部件扩展

jupyter nbextension enable --py --sys-prefix widgetsnbextension

然后，您可以使用progress_wrapper参数设置为tqdm_notebook来实例化一个分类器

clf = HierarchicalClassifier(
    base_estimator=svm.LinearSVC(),
    class_hierarchy=class_hierarchy,
    progress_wrapper=tqdm_notebook,
)

文档

通过sphinx提供自动生成的文档。要构建/查看

$ cd docs/
$ make html
$ open build/html/index.html

文档发布到GitHub pages的gh-pages分支。如果您是贡献者并需要更新文档，一个很好的起点是这篇教程。

进一步阅读

此模块深受以下先前工作和论文的影响

• "使用层次文本分类对基因进行功能注释" - Kiritchenko等人 2005
• "在类别层次结构中对网络文档进行分类：一项全面研究" - Ceci和Malerba 2007
• "不同应用领域层次分类的调查" - CN Silla等人 2011
• "专利自动分层分类综述" - JC Gomez 等人，2014年
• "分层分类的评价指标：统一观点和新型方法" - Kosmopoulos 等人，2013年
• "分层分类的贝叶斯聚合" - Barutcuoglu 等人，2008年
• "Kaggle LSHTC4 冠军解决方案" - Puurula 等人，2014年
• "特征加权线性堆叠" - Sill 等人，2009年