Próbuję użyć jednej z nadzorowanych metod nauki scikit-learn, aby sklasyfikować fragmenty tekstu w jedną lub więcej kategorii. Funkcja przewidywania wszystkich algorytmów, które próbowałem, po prostu zwraca jedno dopasowanie.

Na przykład mam fragment tekstu:

<code>"Theaters in New York compared to those in London"
</code>

Wyszkoliłem algorytm, aby wybrać miejsce dla każdego fragmentu tekstu, który go zasilam.

W powyższym przykładzie chciałbym, aby powróciłNew York iLondon, ale to tylko powracaNew York.

Czy możliwe jest użycie scikit-learn do zwracania wielu wyników? Lub nawet zwrócić etykietę z następnym najwyższym prawdopodobieństwem?

Dzięki za pomoc.

---Aktualizacja

Próbowałem użyćOneVsRestClassifier ale wciąż otrzymuję tylko jedną opcję z powrotem na każdy fragment tekstu. Poniżej znajduje się przykładowy kod, którego używam

<code>y_train = ('New York','London')


train_set = ("new york nyc big apple", "london uk great britain")
vocab = {'new york' :0,'nyc':1,'big apple':2,'london' : 3, 'uk': 4, 'great britain' : 5}
count = CountVectorizer(analyzer=WordNGramAnalyzer(min_n=1, max_n=2),vocabulary=vocab)
test_set = ('nice day in nyc','london town','hello welcome to the big apple. enjoy it here and london too')

X_vectorized = count.transform(train_set).todense()
smatrix2  = count.transform(test_set).todense()


base_clf = MultinomialNB(alpha=1)

clf = OneVsRestClassifier(base_clf).fit(X_vectorized, y_train)
Y_pred = clf.predict(smatrix2)
print Y_pred
</code>

Wynik: [„Nowy Jork” „Londyn” „Londyn”]