많은 대 vs 분류 자에 대한 문헌

Question

Multi-Class Classification (MCC) 문제의 문맥에서 일반적인 접근법은 여러 이진 분류 자로부터 최종 솔루션을 만드는 것입니다. 일반적으로 언급 된 두 가지 작곡 전략은 모두 1 대 1 및 1 대 1입니다.

접근 방법을 구분하기 위해 은 각 바이너리 분류자가 시도하려는 것을보다 분명하게 보여줍니다. 한 대 전체의 원시 분류자는 한 클래스를 나머지 클래스와 구분하려고 시도합니다. One-vs-one is also, quite confusingly, called all-vs-all and all-pairs.

에 대해 하나를 분리하는 반면 한 - 대 - 하나의 원시적 인 시도는 내가 이진 결정 트리와 같은 방식으로 이진 분류를 구성하여 MCC 분류 건물이 아니라 간단한 아이디어를 조사합니다. 예시 예를 들어 : 당신이 has wings?가 2 대-2 분류를 수행 볼 수 있듯이

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

, 그래서 많은 - 대 - 많은 접근 방식을 호출하고있다. 문제는입니다. 어디서부터 읽어야할지 모르겠습니다. 권할만한 좋은 종이가 있습니까?

더 많은 컨텍스트를 제공하려면 MLEA (Multilevel Evolutionary Algorithm)를 사용하여 트리를 작성하는 것이 좋습니다. 그럼 직접적인 대답이 있다면 가장 환영받을 것입니다.

편집 : 더 컨텍스트를 들어 나는 GECCO 2011 best paper 수상자 중 하나입니다 this paper을 읽을 , (아마도 당신은 유용 할 수 있음); MLEA를 사용하여 MCC를 하나의 방식으로 작성합니다. 이것은 의사 결정 트리 빌더로 수정하는 방법을 찾는데 영감을주었습니다.

Answer 1

빌드하려는 의도가 의사 결정 트리라는 점에서 Sailesh의 대답은 정확합니다. 이러한 트리를 학습하기 위해 이미 많은 알고리듬이있다. 무작위 숲. 예 : 시도하십시오 weka 및 거기에 무엇입니까 참조하십시오.

진화 알고리즘에 관심이 있다면 Genetic Programming을 말씀 드리고 싶습니다. HeuristicLab에서 구현을 시도해 볼 수 있습니다. 그것은 숫자 클래스를 다룰 수 있으며, 예를 들어를 사용하여 각 행을 해당 클래스에 매핑하는 수식 (트리)을 찾으려고 시도 할 수 있습니다. 평균 제곱 오류 (MSE)를 적합성 함수로 나타냅니다.

지원 벡터 시스템과 같은 가장 가까운 이웃 또는 커널 기반 방법과 같은 인스턴스 기반 분류 방법도 있습니다.인스턴스 기반 메소드도 여러 클래스를 지원하지만 커널 메소드를 사용하면 언급 한 접근법 중 하나를 사용해야합니다.

Answer 2

원하는 것은 Decision Trees과 매우 비슷합니다. 위키에서

: 통계에 사용

의사 결정 트리 학습, 데이터 마이닝과 기계 학습, 항목의 목표 값에 대한 결론에 항목에 대한 관찰을 매핑하는 예측 모델로 의사 결정 트리를 사용합니다. 그러한 트리 모델에 대한 더 구체적인 이름은 분류 트리 또는 회귀 트리입니다. 이러한 트리 구조에서 잎은 클래스 레이블을 나타내고 분기는 해당 클래스 레이블로 연결되는 기능의 연결 요소를 나타냅니다.