多标签分类需用multioutputclassifier、classifierchain或onevsrestclassifier封装原生分类器，不可直接使用randomforestclassifier等；标签须为numpy二维数组且dtype为int或bool；评估应选hamming_loss、jaccard_score等样本级指标而非accuracy_score。
多标签分类和多类别分类不是一回事
很多人一看到“多”字就默认用 RandomForestClassifier 或 SVC 直接套，结果报错 ValueError: Unknown label type: 'multilabel-indicator'。这是因为 scikit-learn 原生分类器只支持单标签（multi-class）或二分类，不接受形如 [[1, 0, 1], [0, 1, 0]] 这样的多标签矩阵。
必须显式套一层适配器：MultiOutputClassifier、ClassifierChain 或 OneVsRestClassifier —— 它们才是处理多标签的正经入口。
选哪个封装器？看标签间有没有依赖关系
OneVsRestClassifier 最简单，对每个标签独立训练一个二分类器，适合标签基本无关的场景（比如新闻打标：「科技」「国际」「体育」互不干扰）；ClassifierChain 把标签按顺序串起来，后一个分类器能用前序预测结果当特征，适合存在强依赖的场景（比如医疗诊断：「高血压」→「肾损伤」→「心衰」有临床路径）；MultiOutputClassifier 仅适用于支持多输出的基模型（如 DecisionTreeRegressor 改装的分类器，实际极少用）。
实操建议：
- 新手起步一律用
OneVsRestClassifier，搭配LogisticRegression或RandomForestClassifier - 确认标签顺序有意义且数据量足够时，再试
ClassifierChain，注意它对顺序敏感，不同排列结果可能差异很大 - 别在
ClassifierChain里塞SVC—— 它不支持predict_proba，链式传递会断掉
标签格式必须是二维数组，不是列表嵌套
常见错误是把标签传成 [[1, 0, 1], [0, 1, 0]] 这种 Python 列表，scikit-learn 内部会把它当 object 类型处理，后续计算全崩。必须转成 numpy 数组，且 dtype 显式设为 int 或 bool。
正确写法：
import numpy as np
y_multilabel = np.array([[1, 0, 1],
[0, 1, 0],
[1, 1, 0]], dtype=int)
如果原始数据是字符串标签（如 ['a,b', 'c', 'a,c']），得先用 MultiLabelBinarizer 编码：
from sklearn.preprocessing import MultiLabelBinarizer mlb = MultiLabelBinarizer() y_encoded = mlb.fit_transform([['a','b'], ['c'], ['a','c']]) # → [[1,1,0], [0,0,1], [1,0,1]]
评估指标不能直接用 accuracy_score
accuracy_score 在多标签下算的是「全对样本比例」，极其严格——哪怕一个标签错，整个样本就算错，数值往往低得反常。更合理的指标是：
-
hamming_loss：错标标签占总标签数的比例（越低越好） -
classification_report的average='samples'模式：对每个样本算 F1，再平均 -
jaccard_score（旧版叫jaccard_similarity_score）：样本级交并比，直观反映预测重合度
示例：
from sklearn.metrics import hamming_loss, jaccard_score
print("Hamming loss:", hamming_loss(y_true, y_pred)) # 输出 0.25 表示 25% 标签标错了
print("Jaccard score:", jaccard_score(y_true, y_pred, average='samples'))
多标签任务里，MultiLabelBinarizer 的 classes_ 属性容易被忽略——它决定了预测结果解码回原始标签的映射关系，部署时若没保存这个对象，预测出的 0/1 矩阵就再也对应不上业务标签了。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
