多標籤文字分類

SetFit 支援多標籤分類，允許為每個例項分配多個標籤。

除非每個例項都必須分配多個輸出，否則您通常不需要指定多目標策略。

本指南將向您展示如何訓練和使用多標籤 SetFit 模型。

多標籤策略

SetFit 將從 sklearn 初始化一個多標籤分類頭 - multi_target_strategy 可用以下選項

"one-vs-rest": 使用 OneVsRestClassifier 頭。
"multi-output": 使用 MultiOutputClassifier 頭。
"classifier-chain": 使用 ClassifierChain 頭。

有關更多詳細資訊，請參閱 scikit-learn 的多類別和多輸出分類文件。

使用多標籤策略初始化 SetFit 模型

使用預設的 LogisticRegression 頭，我們可以這樣應用多目標策略

from setfit import SetFitModel

model = SetFitModel.from_pretrained(
    model_id, # e.g. "BAAI/bge-small-en-v1.5"
    multi_target_strategy="multi-output",
)

使用可微分的頭，它看起來像這樣

from setfit import SetFitModel

model = SetFitModel.from_pretrained(
    model_id, # e.g. "BAAI/bge-small-en-v1.5"
    multi_target_strategy="one-vs-rest"
    use_differentiable_head=True,
    head_params={"out_features": num_classes},
)

< > 在 GitHub 上更新