Muszę podzielić adresy URL na kategorie. Powiedzmy, że mam 15 kategorii, do których planuję wyzerować każdy adres URL.
Czy 15-drożny klasyfikator jest lepszy? Gdzie mam 15 etykiet i generuję funkcje dla każdego punktu danych.
Lub budowanie 15 binarnych klasyfikatorów, powiedzmy: film lub nie-film, i użyj liczb, które otrzymuję z tych klasyfikacji, aby zbudować ranking, wybrać najlepszą kategorię, czy będzie lepiej?
Odpowiedzi:
Przede wszystkim musisz zadać sobie pytanie, czy twój problem jest wielopłaszczyznowy (tzn. Pojedynczy adres URL może należeć do kilku klas), czy nie (tj. Pojedynczy adres URL może należeć tylko do jednej klasy).
Jeśli to pierwsze, skorzystaj z baterii binarnych klasyfikatorów, ponieważ jest to domyślny sposób rozwiązywania problemów z wieloma etykietami.
Jeśli to drugie, odpowiedź zależy od kombinacji tego, jak wyglądają twoje dane, jaki jest cel twojej analizy i jakiej metody używasz - prawdopodobnie powinieneś po prostu wypróbować jedno i drugie i wybrać najlepiej.
Należy tylko pamiętać, że niektóre metody (np. SVM) nie mogą faktycznie dokonać klasyfikacji wieloklasowej ze względu na sposób ich zdefiniowania, a zatem wewnętrznie wykorzystują baterię klasyfikatorów binarnych.
Będzie to zależeć od sposobu rozproszenia danych. Jest piękny przykład, który został niedawno podany do podobnego pytania, w którym OP chciał wiedzieć, czy pojedyncza liniowa funkcja dyskryminacyjna byłaby lepszym klasyfikatorem do decydowania o populacji A względem B lub C, czy też ta oparta na wielu liniowych funkcjach dyskryminujących, które oddzielają A, B i C. Ktoś dał bardzo ładny kolorowy wykres rozrzutu, aby pokazać, jak użycie dwóch dyskryminatorów byłoby lepsze niż jeden w tym przypadku. Spróbuję link do tego.
Niektóre metody radzą sobie dobrze na przykład z wieloklasowymi, losowymi lasami i MLP.
Jeśli nie chcesz iść w tym kierunku, możliwe, że ESK może wykonać 1-vs-All dla twojego problemu, tylko testy pokażą.