다중 클래스 분류는 일부 인코딩 규칙에 따라 이진 분류 문제 집합으로 분해하여 해결할 수 있습니다.기존 작업은 원래 기능 공간에서 이러한 이진 분류 문제를 해결하는 반면, 서로 다른 이진 분류 문제가 서로 다른 긍정적인 예와 부정적인 예에 ​​해당하므로 차선책일 수 있습니다.

이 문제를 해결하기 위해 Min-Ling Zang이 이끄는 연구팀은 연구 결과를 다음과 같이 발표했습니다.컴퓨터 과학의 개척지.

팀은 긍정적인 예와 부정적인 예에 ​​포함된 특정 특성을 고려하기 위해 분해된 각 이진 분류 문제에 대한 레이블별 특징을 학습할 것을 제안했습니다.실험은 분해 기반 다중 클래스 분류를 위한 레이블별 기능 학습의 효율성을 명확하게 검증합니다.

연구에서는 분해된 각 이진 분류 문제에 대해 긍정적인 예와 부정적인 예에 ​​대해 각각 클러스터링 분석을 수행하여 이 특정 문제에 내재된 고유한 특성을 찾아냅니다.분류문제.클러스터링 결과를 바탕으로 예시와 모든 클러스터 중심 간의 유사성을 측정하여 각 예시에 대한 레이블별 특징을 구성합니다.실험은우월원래 기능에 대해 생성된 레이블별 기능을 기반으로 이진 분류기를 학습합니다.

향후 작업은 레이블별 특징(예: 특징 선택)을 얻기 위해 다른 실행 가능한 기술을 탐색하고 다양한 분해 전략에 있는 특정 정보를 추가로 활용하는 데 초점을 맞출 수 있습니다.

추가 정보:Bin-Bin Jia et al, 분해 기반 다중 클래스 분류를 위한 레이블별 기능 학습,컴퓨터 과학의 개척지(2023).DOI: 10.1007/s11704-023-3076-y

제공자:프론티어 저널