2

マルチクラス分類(MCC) 問題のコンテキストでは、一般的なアプローチは、複数のバイナリ分類器から最終的なソリューションを構築することです。一般的に言及される 2 つの構成戦略は、1 対すべてと 1 対 1 です。

アプローチを区別するために、各二項分類器が何をしようとしているのかを見るとより明確になります。One-vs-all のプリミティブ分類子は、1 つのクラスだけを残りのクラスから分離しようとします。一方、1 対 1 の原始的な試みは、1 対 1 に対して 1 を分離しようとしますが、非常に紛らわしいことに、all-vs-all および all-pairs とも呼ばれます。

二分決定木のような方法で二分分類器を構成することにより、MCC 分類器を構築するというこのかなり単純なアイデアを調査したいと思います。実例として:

       has wings?
     /           \
  quack?         nyan?
  /   \         /     \
duck  bird    cat     dog

ご覧のとおり、has wings?は 2 対 2 の分類を行うため、このアプローチを多対多と呼んでいます。 問題は、どこから読み始めればいいのかわからないことです。おすすめの良い紙はありますか？

もう少し状況を説明するために、マルチレベル進化アルゴリズム (MLEA) を使用してツリーを構築することを検討しています。したがって、さらに直接的な回答があれば、それは大歓迎です。

編集: 詳細なコンテキストについて (そして、おそらく役立つと思われるかもしれません)、GECCO 2011 の最優秀論文受賞者の 1 つであるこの論文を読みました。MLEA を使用して、1 対すべての方法で MCC を構成します。これが、デシジョン ツリー ビルダーとしてそれを変更する方法を探すきっかけになりました。

4

2 に答える 2

3

必要なものは、決定木に非常によく似ています。

ウィキから：

統計、データ マイニング、および機械学習で使用される決定木学習では、決定木を予測モデルとして使用します。これは、項目に関する観察結果を項目の目標値に関する結論にマッピングします。このようなツリー モデルのよりわかりやすい名前は、分類ツリーまたは回帰ツリーです。これらのツリー構造では、葉はクラス ラベルを表し、枝はそれらのクラス ラベルにつながる機能の結合を表します。

于 2013-05-11T19:54:41.723 に答える
1

あなたが構築しようとしているのは決定木であるという点で、Saileshの答えは正しいです。ランダム フォレストなど、このようなツリーを学習するためのアルゴリズムはすでに多数あります。たとえば、 wekaを試して、そこで利用できるものを確認できます。

進化的アルゴリズムにもっと興味があるなら、遺伝的プログラミングについて言及したいと思います。たとえば、HeuristicLabでの実装を試すことができます。数値クラスを処理し、たとえば平均二乗誤差 (MSE) をフィットネス関数として使用して、各行をそれぞれのクラスにマップする式 (ツリー) を見つけようとします。

Nearest Neighbor のようなインスタンス ベースの分類方法や、サポート ベクター マシンのようなカーネル ベースの方法もあります。インスタンスベースのメソッドも複数のクラスをサポートしていますが、カーネルメソッドでは、言及したアプローチのいずれかを使用する必要があります。

于 2013-05-12T15:58:40.017 に答える