Las tareas de clasificación de múltiples etiquetas (clasificación de variable de respuesta ordinal) se pueden manejar utilizando árboles de decisión en Python. Scikit-learn tiene los siguientes clasificadores.
- DecisionTreeClassifier () que puede hacer una clasificación de datos binarios y ordinales / nominales. Este es un algoritmo supervisado de aprendizaje automático, por lo que necesitaría su formación y datos de prueba configurados de tal manera que las múltiples etiquetas o clases se identifiquen allí. Referencia: sklearn.tree.DecisionTreeClassifier – documentación de scikit-learn 0.17.1
- Clasificadores de conjunto:
- RandomForestClassifier () que puede hacer una clasificación binaria, ordinal y nominal. También supervisado. Enlace: 3.2.4.3.1. sklearn.ensemble.RandomForestClassifier – documentación de scikit-learn 0.17.1
- ExtraTreeClassifier (): distinto de los árboles de decisión normales, pero también clasificadores de conjunto. Enlace: 3.2.4.3.3. sklearn.ensemble.ExtraTreesClassifier – documentación de scikit-learn 0.17.1
- Multiclass Adaboost Classifier: un clasificador multiclase basado en el algoritmo Adaboost. Enlace: árboles de decisión AdaBoosted multiclase
- Gradient Boosted Classifier: otro clasificador multiclase, basado en un algoritmo de aumento de gradiente. Enlace “3.2.4.3.5. sklearn.ensemble.GradientBoostingClassifier – documentación de scikit-learn 0.17.1
