一条样本要预测多个标签怎么办？用 MultiOutputClassifier 训练并核对输出

一条反馈可以同时属于“物流”“包装”“售后”，这类任务不能强迫每条样本只选一个类别。用 MultiOutputClassifier，可以把每个标签看成一个独立目标，为它各训练一个分类器；输出仍是“样本行 × 标签列”的矩阵。下面用人工生成的三标签教学数据，演示训练、列名对应、逐标签概率和验证口径。

先区分多分类与多标签

例如按固定顺序 [物流, 包装, 售后]，答案 [1, 1, 0] 表示前两个标签成立、第三个不成立，不表示一个编号为 110 的类别。官方多分类与多输出指南说明这种指示矩阵表示方式；MultiOutputClassifier API说明它会为每个目标拟合一个分类器。该方法分别学习各列，不能自动建模标签之间的关系。

示例于 2026 年 10 月 1 日在 Windows、Python 3.11.15、scikit-learn 1.7.2、NumPy 2.4.6、SciPy 1.17.1 运行。标签 A/B/C 没有业务含义，500 条特征由 make_multilabel_classification 人工生成。它只是检验接口和输出对应关系的实验，未在真实反馈上验证。

python -m venv .venv
.venv\Scripts\python -m pip install "scikit-learn==1.7.2" "numpy==2.4.6" "scipy==1.17.1"

固定标签列顺序后训练

将代码保存为 multilabel_model.py，运行 .venv\Scripts\python multilabel_model.py。官方合成多标签数据接口定义 n_classes、n_labels 和 allow_unlabeled；此处 n_classes=3，n_labels=2 是生成过程的平均标签数参数，不要求每条样本恰好两个标签。

import numpy as np
from sklearn.datasets import make_multilabel_classification
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score, hamming_loss
from sklearn.model_selection import train_test_split
from sklearn.multioutput import MultiOutputClassifier
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler

label_names = ["标签A", "标签B", "标签C"]
X, Y = make_multilabel_classification(
    n_samples=500, n_features=12, n_classes=3, n_labels=2,
    allow_unlabeled=False, random_state=7)
X_train, X_test, Y_train, Y_test = train_test_split(
    X, Y, test_size=0.3, random_state=7)
if Y.ndim != 2 or Y.shape[1] != len(label_names):
    raise ValueError("标签矩阵列数与标签名不一致")
if not set(np.unique(Y)).issubset({0, 1}):
    raise ValueError("本例只接受0/1标签指示矩阵")
model = Pipeline([
    ("scale", StandardScaler()),
    ("multi", MultiOutputClassifier(LogisticRegression(max_iter=500),
                                    n_jobs=1))
])
model.fit(X_train, Y_train)
prediction = model.predict(X_test)
assert prediction.shape == Y_test.shape
multi = model.named_steps["multi"]
print("输入形状：", X_train.shape, "标签形状：", Y_train.shape)
print("独立目标分类器数量：", len(multi.estimators_))
print("整行标签全对的比例：", f"{accuracy_score(Y_test, prediction):.4f}")
print("逐标签错误比例：", f"{hamming_loss(Y_test, prediction):.4f}")
for i, name in enumerate(label_names):
    print(name, "准确率：", f"{accuracy_score(Y_test[:, i], prediction[:, i]):.4f}")
for row in range(3):
    print("样本", row,
          "真实", dict(zip(label_names, Y_test[row].tolist())),
          "预测", dict(zip(label_names, prediction[row].tolist())))
probabilities = model.predict_proba(X_test[:3])
for name, estimator, proba in zip(label_names, multi.estimators_, probabilities):
    assert proba.shape == (3, len(estimator.classes_))
    pos_column = np.flatnonzero(estimator.classes_ == 1)
    if len(pos_column) != 1:
        raise ValueError(f"{name}没有明确的正类1，请检查训练标签")
    print(name, "正类1概率：", np.round(proba[:, pos_column[0]], 4).tolist())

先划分训练与测试，标准化只在训练集学习。三个目标分类器使用同一份特征，但每个只学习 Y 的一列。n_jobs=1 方便在普通电脑核对；并行不保证小模型更快，多个目标也会增加训练和模型保存成本。

验证矩阵、标签含义与概率列

实际运行得到：

输入形状： (350, 12) 标签形状： (350, 3)
独立目标分类器数量： 3
整行标签全对的比例： 0.5867
逐标签错误比例： 0.1556
标签A 准确率： 0.7933
标签B 准确率： 0.8800
标签C 准确率： 0.8600
样本 0 真实 {'标签A': 1, '标签B': 1, '标签C': 1} 预测 {'标签A': 1, '标签B': 1, '标签C': 1}
样本 1 真实 {'标签A': 0, '标签B': 1, '标签C': 1} 预测 {'标签A': 0, '标签B': 1, '标签C': 1}
样本 2 真实 {'标签A': 0, '标签B': 1, '标签C': 0} 预测 {'标签A': 0, '标签B': 1, '标签C': 0}
标签A 正类1概率： [0.5322, 0.0374, 0.0241]
标签B 正类1概率： [0.6341, 0.9868, 1.0]
标签C 正类1概率： [0.9647, 0.9149, 0.2046]

训练 X 是 350 行、12 列，Y 是 350 行、3 列，目标分类器数量为 3。预测与测试标签必须同形状；每列名称始终取自固定的 label_names，不按每次出现频率重新排序。打印的前三条样本能逐项核对真实和预测的 A/B/C 值。

predict_proba() 对多个目标返回数组列表，并非一个共享三类别概率矩阵。第 j 个数组属于第 j 个目标，概率列按该目标分类器的 classes_ 排列。代码显式寻找 classes_ 中的正类 1，再读对应列，避免假定所有目标的第 2 列永远存在。若某标签在训练中只有单一取值，逻辑回归会训练失败；先检查每列的 0/1 分布和划分，不能靠补一条虚构答案修复真实数据。

为什么逐标签分数较高，整行全对比例仍可能不高

官方模型评估指南定义多标签 accuracy_score 为 subset accuracy：一条样本的所有标签都对，才记作整行正确。hamming_loss 则是全部标签单元格中出错的比例。一次只错一个标签，也会让整行准确率扣一整条样本。

本次整行全对比例为 0.5867，逐标签错误比例为 0.1556，各标签准确率为 0.7933、0.8800、0.8600。它们不是相互冲突的数字，也不是分类器在真实反馈上的成绩。你可按业务选择同时报告整行完整正确、逐标签错误，以及重要标签的漏判/误判，不只看一个总体数值。

换成真实数据前的检查

• 把人工标签转成固定 0/1 矩阵，保留标签字典版本；缺失标签代表“尚未判断”，不能直接当成否定 0。
• 有同一用户、同一文档来源或时间顺序时，采用适合的分组或时间划分；此教学随机划分不保证真实业务无泄漏。
• MultiOutputClassifier 只包裹分类器，不负责把中文文本变成特征。文本任务应另加入向量化，并确保只在训练部分学习词表。
• 三个独立模型可能给出不符合业务约束的组合，例如互斥标签同时为 1。保留原预测，再按经过确认的约束标记待复核，不悄悄改成看起来合理的结果。

下一步可先取一批有完整人工标签的真实样本，核对每列含义和样本编号，训练后导出逐行预测矩阵，让业务人员查看错误组合。正式任务还需处理标签不均衡、阈值和误判代价，本教程未替具体业务决定这些规则。