Мені потрібно класифікувати URL-адреси на категорії. Скажімо, у мене є 15 категорій, на які я планую занулювати кожну URL-адресу.
Чи краще 15-ти класичний класифікатор? Де я маю 15 міток і генерую функції для кожної точки даних.
Або створити 15 двійкових класифікаторів, скажімо: Movie чи Non-Movie, і використати цифри, які я отримую з цих класифікацій, щоб скласти рейтинг, вибрати кращу категорію, яка буде кращою?
Відповіді:
Перш за все, ви повинні запитати себе, чи є ваша проблема багатозначною (тобто одна URL-адреса може належати до декількох класів) чи ні (тобто одна URL-адреса може належати лише одному класу).
Якщо перший, перейдіть з батареєю двійкових класифікаторів, оскільки це спосіб за замовчуванням робити багатозначні проблеми.
Якщо останнє, відповідь залежить від поєднання того, як виглядають ваші дані, яка мета вашого аналізу та який метод ви використовуєте - напевно, вам слід просто спробувати обидва та вибрати найкращий.
Зауважте лише, що деякі методи (як SVM) насправді не можуть класифікувати багатокласифікацію через те, як вони визначені, і таким чином внутрішньо використовують акумулятор бінарних класифікаторів.
Це залежатиме від способу розповсюдження ваших даних. Є прекрасний приклад, який нещодавно наводився у подібному питанні, де ОП хотіла дізнатись, чи є одна лінійна дискримінантна функція кращим класифікатором для вирішення сукупності A проти B або C або одна, заснована на неоднозначних лінійних дискримінантних функцій, що розділяють A, B і C. Хтось дав дуже приємний кольоровий розсіювач, щоб показати, як використання двох дискримінантів було б краще, ніж одного в цьому випадку. Я спробую зв’язатись із цим.
Деякі методи добре справляються, наприклад, з багатокласовими, випадковими лісами, MLP.
Якщо ви не хочете йти цим шляхом, то, можливо, ECOC цілком може виконати функцію 1 vs-all для вашої проблеми, покаже лише тестування.