多分類學習

· 現實中常常遇到多分類問題,有些二分類問題可以直接推廣到多分類。不失一般性地,考慮N個類別C1,C2,...Cn,多分類基本思想是“拆解法",將多分類任務拆解為若干個二分類任務求解。
· 最經典的拆分策略有三種:“一對一”(OvO),“一對其余”(OvR)和“多對多”(MvM),

一對一和一對其余示意圖:

image.png

· 一對一:將為區分類別為Ci和Cj訓練一個分類器,于是共要訓練N(N-1)/2個分類器,最終結果通過投票完成。
· 一對其余:每次將一個類的樣例作為正例,其余作為反例,在測試時,若僅有一個分類器預測為正例,則對應分類為最終分類結果。
· 總結:OvO所要分類器個數遠大于OvR,但每個分類器所需樣例少,OvR雖然分類器少,但每個分類器要用到所有的類別樣例。

多對多

MvM是每次將若干個類作為正類,若干個作為反類。正反類的構造使用一種常用技術:“糾錯輸出碼”(ECOC)
ECOC主要分為兩步完成:
· 編碼:對N個類別做M次劃分,每次劃分將一部分類別劃分為正類,一部分劃為反類,從而形成一個二分類訓練集;這樣生成了M個二分器
· 解碼:M個分類器分別對測試樣本進行預測,這些預測標記組成一個編碼。將這個預測編碼與每隔類別各自的編碼進行比較,返回其中距離最小的類別作為最終預測結果。
ECOC示意圖

image.png

image.png

?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。

推薦閱讀更多精彩內容