データマイニングにおける個人特徴量評価者について質問があります。
OneRAttributeEval, InfoGainAttributeEval, GainRatioAttributeEval, ChiSquaredAttributeEval
非バイナリ クラス分類器で使用できますか?
データマイニングにおける個人特徴量評価者について質問があります。
OneRAttributeEval, InfoGainAttributeEval, GainRatioAttributeEval, ChiSquaredAttributeEval
非バイナリ クラス分類器で使用できますか?
はい、これらの特徴選択手法は、マルチクラス分類問題のコンテキストで使用できます。通常、何かが 2 つのクラスで機能する場合、複数のクラス (2 つ以上) を処理するように拡張できます。これらの手法がどのように機能するかを簡単に見れば、理解できるでしょう。
OneR は基本的に、特徴に対して 1 つのルールを構築し、分類精度を計算します。特徴選択では、最高のパフォーマンスを提供する特徴を選択します。マルチクラスの問題のコンテキストで機能の有用性を評価するために単一のルールのみを使用することは最善の方法ではないかもしれませんが、それは可能です。
他の 3 つの手法に関しては、機能の有用性を評価するために使用される指標 (情報ゲイン、ゲイン比、カイ 2 乗法) では、各クラスの加重スコアが既に考慮されています。したがって、これらの手法は、マルチクラス分類のコンテキストで機能を選択するために使用できます。
また、簡単に検索すると、次のリンクが見つかりました。
あなたはこれらの正確な機能を見ているように私には思えます。これらのリンクのそれぞれを見ると、「機能」を見つけることができるはずです。その下に、これらの関数のそれぞれが「公称クラス」を処理できることがわかります (「クラス」の行)。公称はマルチクラスです。