Проблемы с scikit по данным нескольких меток

Question

Im используя следующий код для классификации данных Multi-этикетки: -

import numpy as np 
from sklearn.pipeline import Pipeline 
from sklearn.feature_extraction.text import CountVectorizer 
from sklearn.svm import LinearSVC 
from sklearn.feature_extraction.text import TfidfTransformer 
from sklearn.multiclass import OneVsRestClassifier 
from sklearn import preprocessing 

X_train = np.array(["new york is a hell of a town", 
        "new york was originally dutch", 
        "the big apple is great", 
        "new york is also called the big apple", 
        "nyc is nice", 
        "people abbreviate new york city as nyc", 
        "the capital of great britain is london", 
        "london is in the uk", 
        "london is in england", 
        "london is in great britain", 
        "it rains a lot in london", 
        "london hosts the british museum", 
        "new york is great and so is london", 
        "i like london better than new york"]) 
y_train_text = [[1],[1],[1],[1],[1],[1],[2],[2],[2],[2],[2],[2],[12],[12]] 

X_test = np.array(['nice day in nyc', 
        'welcome to london', 
        'london is rainy', 
        'it is raining in britian', 
        'it is raining in britian and the big apple', 
        'it is raining in britian and nyc', 
        'hello welcome to new york. enjoy it here and london too']) 
target_names = ['New York', 'London'] 

lb = preprocessing.MultiLabelBinarizer() 
Y = lb.fit_transform(y_train_text) 

classifier = Pipeline([ 
    ('vectorizer', CountVectorizer()), 
    ('tfidf', TfidfTransformer()), 
    ('clf', OneVsRestClassifier(LinearSVC()))]) 

classifier.fit(X_train, Y) 
predicted = classifier.predict(X_test) 

====== ВЫВОД =====

[1, 0, 0],'New York' 
[0, 1, 0],'London' 
[0, 1, 0],'London' 
[0, 1, 0],'London' 
[1, 0, 0],'New York' 
[0, 0, 0], 
[0, 0, 0]] 

Последние два ошибочно предсказаны, они оба должны быть [0,0,1] для ['New York', 'London']

Итак, у меня есть следующие вопросы: - 1.] Что именно не так с моим код 2.] Это пропе r для работы с данными «Multi-label»? Или есть другой лучший подход. Потому что это и код или два - все, что я мог найти в Интернете о данных «Multi-label». В то время как для двоичной классификации тысячи. Пожалуйста, помогите мне в этом

Answer 1

12 не "1" и "2" это двенадцать, таким образом

[[1],[1],[1],[1],[1],[1],[2],[2],[2],[2],[2],[2],[12],[12]] 

должен быть

[[1],[1],[1],[1],[1],[1],[2],[2],[2],[2],[2],[2],[1, 2],[1, 2]]