— factory / algos ML / apprentissage supervisé

CLASSIFICATION MULTI-LABEL.

Un avis peut parler à la fois de livraison et de prix ; un panier peut contenir du beurre et du parmesan. La classification multi-label prédit plusieurs étiquettes pour un même cas, au lieu d'en choisir une seule. On l'utilise pour étiqueter des documents, router des demandes ou suggérer plusieurs produits.

ClassificationMulti-labelRecommandationPanier d'achatNiveau : intermédiaire

FICHE D'IDENTITÉ

notes sur 5 · usage entreprise

PerformanceDépend du modèle de base et des liens exploités entre étiquettes

InterprétabilitéUn modèle par étiquette, chacun lisible séparément

VitesseAutant de modèles que d'étiquettes, mais chacun rapide

Facilité de réglageSeuils et ordre de la chaîne à régler par étiquette

Tolérance aux données brutesHérite des exigences du modèle de base choisi

EN 30 SECONDES

Un bibliothécaire qui range un livre : il ne choisit pas un seul rayon, il colle toutes les étiquettes pertinentes, « histoire », « cuisine », « Italie ».

1. On pose une question oui / non par étiquette

Méthode de base, la relevance binaire : un classifieur par étiquette, entraîné indépendamment. Ce produit sera-t-il dans le panier, oui ou non ?

2. On exploite les liens entre étiquettes

Dans une chaîne de classifieurs, chaque modèle reçoit aussi les réponses des modèles précédents. Le parmesan est prédit en sachant si la sauce tomate l'a été.

3. On fixe un seuil par étiquette

Chaque étiquette reçoit une probabilité. On retient celles qui dépassent un seuil, choisi selon le coût d'une étiquette oubliée ou superflue.

LE CAS MÉTIER

recommandation en caisse · distribution alimentaire / e-commerce

EN ENTRÉE

Des tickets de caisse

Un ticket par ligne, un produit par colonne (acheté ou non). Cinq produits servent d'étiquettes à prédire ensemble : beurre, sauce tomate, parmesan, chips, vin rouge. Les autres produits du panier servent d'indices.

EN SORTIE

Plusieurs suggestions par panier

Pour chaque ticket, une probabilité par produit ; au-delà de 25 %, le produit est suggéré. Sur le jeu d'exemple, la chaîne améliore surtout le parmesan : son F1 passe de 0,30 à 0,39, car il s'achète avec la sauce tomate.

CE QU'ON MESURE

Le F1 étiquette par étiquette

Une moyenne globale cache les étiquettes rares, souvent mal prédites. On suit le F1 de chaque étiquette : il combine la part des achats réels anticipés et la part des suggestions justes.

QUAND LE SORTIR, QUAND L'ÉVITER

OUI

Documents ou demandes qui relèvent de plusieurs thèmes à la fois
Suggestion de plusieurs produits complémentaires
Étiquettes liées entre elles, que l'on veut exploiter
Diagnostic ou contrôle qualité avec plusieurs défauts possibles

NON

Une seule classe possible par cas : c'est de la classification multiclasse classique
Des milliers d'étiquettes : passer à des méthodes de classement ou d'embeddings
Simple recherche d'associations entre produits : Apriori suffit et se lit mieux
Étiquettes très rares : trop peu d'exemples pour entraîner un modèle par étiquette

LES 3 CHOIX QUI COMPTENT

Noms donnés pour Python (scikit-learn). En R, la relevance binaire s'écrit en une boucle ; le package utiml propose les méthodes avancées.

Méthode : MultiOutputClassifier / ClassifierChain

Relevance binaire pour des étiquettes indépendantes, chaîne quand elles se tiennent. L'ordre de la chaîne compte : on place d'abord les étiquettes qui aident à prédire les autres.

Seuil par étiquette

Le seuil de 50 % ne convient pas aux étiquettes rares : le parmesan ne dépasse presque jamais cette probabilité. On fixe un seuil par étiquette, sur un jeu de validation.

Modèle de base

Régression logistique, Random Forest, SVM : chaque étiquette hérite de ses forces et de ses exigences. On commence simple, puis on remplace si le gain le justifie.

LE CODE MINIMAL

jeu d'exemple : tickets_caisse.csv ↓

# Produits à suggérer en caisse : classification multi-label en R
tickets <- read.csv("tickets_caisse.csv")
paniers <- as.data.frame.matrix(table(tickets$id_ticket, tickets$produit))
paniers[paniers > 1] <- 1                          # 1 ligne par ticket, 1 colonne par produit

etiquettes <- c("beurre", "sauce_tomate", "parmesan", "chips", "vin_rouge")
X <- paniers[, setdiff(names(paniers), etiquettes)]
set.seed(42)
idx <- sample(nrow(paniers), round(0.7 * nrow(paniers)))
f1 <- function(reel, pred) round(2 * sum(reel & pred) / (sum(reel) + sum(pred)), 2)

# Relevance binaire : une régression logistique par étiquette, seuil de 25 %
proba <- list()
for (e in etiquettes) {
  d <- data.frame(X, cible = paniers[[e]])
  m <- glm(cible ~ ., data = d[idx, ], family = binomial)
  proba[[e]] <- predict(m, d[-idx, ], type = "response")
  cat(e, "| F1 :", f1(paniers[[e]][-idx] == 1, proba[[e]] > 0.25), "\n")
}

# Chaîne : parmesan réappris avec sauce_tomate comme variable (prédite en test)
d <- data.frame(X, sauce_tomate = paniers$sauce_tomate, cible = paniers$parmesan)
m <- glm(cible ~ ., data = d[idx, ], family = binomial)
d_test <- d[-idx, ]
d_test$sauce_tomate <- as.integer(proba$sauce_tomate > 0.5)
cat("parmesan en chaîne | F1 :", f1(d_test$cible == 1, predict(m, d_test, type = "response") > 0.25), "\n")

# Produits à suggérer en caisse : classification multi-label en Python
import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.multioutput import MultiOutputClassifier, ClassifierChain
from sklearn.model_selection import train_test_split
from sklearn.metrics import f1_score

tickets = pd.read_csv("tickets_caisse.csv")
paniers = pd.crosstab(tickets["id_ticket"], tickets["produit"]).clip(upper=1)   # 1 ligne par ticket

# 5 étiquettes à prédire ensemble ; variables : le reste du panier
etiquettes = ["beurre", "sauce_tomate", "parmesan", "chips", "vin_rouge"]
X_train, X_test, Y_train, Y_test = train_test_split(paniers.drop(columns=etiquettes), paniers[etiquettes], test_size=0.3, random_state=42)

# Relevance binaire : un modèle indépendant par étiquette
separes = MultiOutputClassifier(LogisticRegression(max_iter=1000)).fit(X_train, Y_train)
proba_sep = pd.DataFrame([p[:, 1] for p in separes.predict_proba(X_test)], index=etiquettes).T

# Chaîne : parmesan est prédit après sauce_tomate et profite de cette information
chaine = ClassifierChain(LogisticRegression(max_iter=1000), order=[1, 2, 0, 3, 4]).fit(X_train, Y_train)
proba_ch = pd.DataFrame(chaine.predict_proba(X_test), columns=etiquettes)

# Seuil de 25 % : on suggère un produit dès qu'il a une chance sur quatre d'être acheté
for nom, proba in [("séparés", proba_sep), ("chaîne", proba_ch)]:
    print(nom, "| F1 par étiquette :", f1_score(Y_test, proba > 0.25, average=None).round(2))
print("Suggestions pour le 1er ticket test :", proba_ch.iloc[0].round(2).to_dict())

QUESTIONS FRÉQUENTES

Quelle différence entre multi-label et multiclasse ?

En multiclasse, chaque cas appartient à une seule classe parmi plusieurs : un chiffre est un 3 ou un 8. En multi-label, un cas peut recevoir plusieurs étiquettes à la fois, ou aucune : un article peut parler de sport et de santé.

Qu'est-ce qu'une chaîne de classifieurs ?

Une suite de classifieurs binaires, un par étiquette, où chacun reçoit en plus les prédictions des précédents. Elle capte les liens entre étiquettes, que la relevance binaire ignore. L'ordre des étiquettes dans la chaîne influence le résultat.

Comment évaluer un modèle multi-label ?

Plusieurs mesures coexistent. Le Hamming loss compte la part d'étiquettes mal prédites. L'exactitude par sous-ensemble exige que toutes les étiquettes soient justes, ce qui est très sévère. Le F1 par étiquette, puis sa moyenne, reste le plus parlant pour le métier.