Classificació multiclasse
En l'aprenentatge automàtic i la classificació estadística, la classificació multiclasse o la classificació multinomial és el problema de classificar les instàncies en una de tres o més classes (la classificació d'instàncies en una de dues classes s'anomena classificació binària).[1]
Mentre que molts algorismes de classificació (sobretot la regressió logística multinomial) permeten naturalment l'ús de més de dues classes, alguns són per naturalesa algorismes binaris; aquests, però, es poden convertir en classificadors multinomials mitjançant una varietat d'estratègies.[2]
La classificació multiclasse no s'ha de confondre amb la classificació multietiqueta, on s'han de predir diverses etiquetes per a cada instància.
Les tècniques de classificació multiclasse existents es poden classificar en (i) transformació a binària (ii) extensió de binària i (iii) classificació jeràrquica.[3]
Aquesta secció discuteix estratègies per reduir el problema de la classificació multiclasse a problemes de classificació binària múltiples. Es pot classificar en un contra descans i un contra un. Les tècniques desenvolupades basades en reduir el problema multiclasse en problemes binaris múltiples també es poden anomenar tècniques de transformació de problemes.
Un-contra-la resta (OvR o one-vs.-all, OvA o one-against-all, OAA) consisteix a entrenar un únic classificador per classe, amb les mostres d'aquesta classe com a mostres positives i totes les altres mostres com a negatives. Aquesta estratègia requereix que els classificadors base produeixin una puntuació de confiança de valor real per a la seva decisió, en lloc de només una etiqueta de classe; Només les etiquetes de classes discretes poden conduir a ambigüitats, on es prediuen diverses classes per a una sola mostra.
S'han desenvolupat diversos algorismes basats en xarxes neuronals, arbres de decisió, k-nearest neighbors, Bayes ingenu, màquines de suport vector i màquines d'aprenentatge extrem per abordar problemes de classificació multiclasse. Aquest tipus de tècniques també es poden anomenar tècniques d'adaptació d'algoritmes.[4]
Referències
[modifica]- ↑ «An introduction to MultiLabel classification» (en anglès). https://www.geeksforgeeks.org,+15-07-2020.+[Consulta: 30 gener 2023].
- ↑ Nooney, Kartik. «Deep dive into multi-label classification..! (With detailed Case Study)» (en anglès). https://towardsdatascience.com,+12-02-2019.+[Consulta: 30 gener 2023].
- ↑ Brownlee, Jason. «Multi-Label Classification with Deep Learning» (en anglès). https://machinelearningmastery.com,+30-08-2020.+[Consulta: 30 gener 2023].
- ↑ «Multi-Label Classification: Overview & How to Build A Model» (en anglès). https://monkeylearn.com,+08-06-2020.+[Consulta: 30 gener 2023].