Vés al contingut

Classificació multiclasse

De la Viquipèdia, l'enciclopèdia lliure
Exemple de 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]