多标签文本分类

SetFit 支持多标签分类，允许为每个实例分配多个标签。

除非每个实例都必须分配多个输出，否则您通常不需要指定多目标策略。

本指南将向您展示如何训练和使用多标签 SetFit 模型。

多标签策略

SetFit 将从 sklearn 初始化一个多标签分类头 - 以下选项可用于 multi_target_strategy

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

有关更多详细信息，请参阅 scikit-learn 关于多类和多输出分类的文档。

使用多标签策略初始化 SetFit 模型

使用默认的 LogisticRegression 头，我们可以像这样应用多目标策略

from setfit import SetFitModel

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

使用可微分头，它看起来像这样

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