আমি শ্রেণিবদ্ধকরণের সমস্যার ক্ষেত্রে কীভাবে পৌঁছাতে পারি যেখানে ক্লাসগুলির একটি 'অন্যের নয়' দ্বারা সংজ্ঞায়িত করা হয়

Question

ধরুন আমি তিনটি ক্লাসে আগ্রহী $c_1$, $c_2$, $c_3$। তবে আমার ডেটাসেটে আসলে আরও বেশ কয়েকটি বাস্তব ক্লাস রয়েছে$(c_j)_{j=4}^n$।

এর সুস্পষ্ট উত্তরটি হল একটি নতুন শ্রেণির সংজ্ঞা দেওয়া $\hat c_4$ যা সমস্ত ক্লাসকে বোঝায় $c_j$, $j>3$ তবে আমার সন্দেহ হয় যে এটি নমুনাগুলি অন্তর্ভুক্ত হওয়ায় এটি ভাল ধারণা নয় $\hat c_4$ বিরল হবে এবং একে অপরের সাথে খুব মিল নেই।

আমি কী বলার চেষ্টা করছি তা ভিজ্যুয়ালাইজ করার জন্য, ধরুন আমার কাছে নিম্নলিখিত দুটি পরিবর্তনশীল স্থান এবং ক্লাস রয়েছে $c_1$, $c_2$, $c_3$, $\hat c_4= \bigcup_{j=4}^n c_j$যথাক্রমে লাল, তিল, সবুজ এবং কালো বর্ণিত হয়। এইভাবে আমার সন্দেহ হয় যে আমার ডেটা কেমন হবে।

এই সমস্যাটির কাছে যাওয়ার কোনও মানক উপায় আছে কি? সবচেয়ে দক্ষ শ্রেণিবদ্ধকারীটি কী হবে এবং কেন?

Comments

এক বনাম বাকি ব্যবহার করার কথা বিবেচনা en.wikipedia.org/wiki/Multiclass_classification#One-vs.-rest

— ডাল

আপনি ইতিবাচক-লেবেলযুক্ত মডেলগুলি অন্বেষণ করতে চাইতে পারেন । এটি একই ধরণের সমস্যার মতো দেখায়, এটি মাল্টিক্লাস বাদে, বেশিরভাগ PU সমস্যা হিসাবে বাইনারি নয়।

— রিকার্ডো ক্রুজ

Answer 1

আমি এই ধারণাটি ব্যবহার করে একটি দ্বি-পদক্ষেপ গ্রহণ করব $\hat{c_4}$ আপনি উল্লেখ ক্লাস।

প্রথম ধাপে, কোনও নমুনা শ্রেণীর অন্তর্ভুক্ত কিনা তা সিদ্ধান্ত নিতে বাইনারি শ্রেণিবদ্ধকারী (পুরো ডেটাসেটে প্রশিক্ষিত) ব্যবহার করুন $\hat{c_4}$(অর্থাত্ কোনও আকর্ষণীয় শ্রেণিতে)। এর জন্য, পদক্ষেপগুলি আপনি আউটলেট সনাক্তকরণের পদ্ধতিগুলিও দেখে নিতে পারেন, যদি "আকর্ষণীয়" শ্রেণীর অন্তর্ভুক্ত নমুনাগুলি বাকীগুলির চেয়ে অনেক বেশি আলাদা হয়।

যদি ফলাফলটি নেতিবাচক হয় তবে পরবর্তী ধাপে এগিয়ে যান, কেবলমাত্র শ্রেণিতে অন্তর্গত নমুনাগুলির উপর প্রশিক্ষিত একটি নতুন শ্রেণিবদ্ধ $c_1,c_2,c_3$ এবং সেই ভবিষ্যদ্বাণীটি আপনার চূড়ান্ত হিসাবে ব্যবহার করুন।

আমি মনে করি এমনকি প্রথম ধাপ হিসাবে সাধারণ ক্লাস্টারিং পদ্ধতির ব্যবহার (উদাহরণস্বরূপ 4-ক্লাস্টারিং কে-মানে প্রাথমিক সেন্ট্রয়েডের মান হিসাবে গড় সেন্ট্রয়েড হিসাবে ব্যবহৃত হয়)$cent_j = \frac{\sum\limits_{x_i\in D: y_i=j}x_i}{\sum\limits_{x_i\in D: y_i=j}1}$ প্রতিটির জন্য, প্রত্যেকটির জন্য $c_1,c_2,c_3, \hat{c_4}$), এখনও দরকারী হবে।

Comments

আপনার কাছে খুব বেশি ক্লাস ওভারল্যাপ না থাকলে বোগাস পরামর্শটি দুর্দান্ত। অন্যথায়, একটি বহু-লেবেল মডেলের সাথে যান।

— রিকার্ডো ক্রুজ

এটি একটি এন.ইউইকিপিডিয়া.আর.উইকি

— এমরে