মাল্টি-ক্লাস বুস্ট করা ক্লাসিফায়ার ক্রমাঙ্কন করা

আমি আলেকজান্দ্রু নিকুলেসকু-মিজিল এবং রিচ কারুয়ানা পত্রিকা " বুস্টিং থেকে ক্যালিব্রেটেড সম্ভাবনা অর্জন " এবং এই থ্রেডে আলোচনাটি পড়েছি । যাইহোক, আমার মাল্টি-ক্লাস বুস্টিং ক্লাসিফায়ার (সিদ্ধান্ত স্টাম্পের সাথে মৃদু-উত্সাহ) এর আউটপুট ক্যালিব্রেট করতে লজিস্টিক বা প্ল্যাটসের স্কেলিং বুঝতে এবং বাস্তবায়নে আমার এখনও সমস্যা হচ্ছে ।

আমি জেনারালাইজড লিনিয়ার মডেলগুলির সাথে কিছুটা পরিচিত এবং আমি মনে করি যে আমি বাইনারি কেসে লজিস্টিক এবং প্লাটের ক্যালিগ্রেশন পদ্ধতিগুলি কীভাবে কাজ করে তা বুঝতে পেরেছি তবে নিশ্চিত নই যে আমি কাগজে বর্ণিত পদ্ধতিটি মাল্টি-ক্লাস কেস পর্যন্ত কীভাবে প্রসারিত করব তা আমি জানি।

আমি ক্লাসিফায়ারটি নীচের ফলাফলগুলি ব্যবহার করছি:

$f_{ij}$ = ভোট সংখ্যা বর্গ জন্য ক্লাসিফায়ার কাস্ট নমুনা জন্য যে শ্রেণীবদ্ধ করা হচ্ছে $j$ $i$
$y_i$ = আনুমানিক শ্রেণি

এই মুহুর্তে আমার কাছে নিম্নলিখিত প্রশ্নগুলি রয়েছে:

প্রশ্নোত্তর: সম্ভাব্যতাগুলি অনুমান করার জন্য আমার কী বহুজাতিক নাম্বার ব্যবহার করা উচিত? বা আমি এখনও লজিস্টিক রিগ্রেশন (উদাহরণস্বরূপ 1-বনাম সমস্ত ফ্যাশন) দিয়ে এটি করতে পারি?

প্রশ্ন 2: মাল্টি-ক্লাস কেসটির জন্য আমি কীভাবে মধ্যবর্তী টার্গেট ভেরিয়েবলগুলি (যেমন প্লাটের স্কেলিংয়ের মতো) সংজ্ঞায়িত করব?

প্রশ্ন 3: আমি বুঝতে পারি এটি জিজ্ঞাসা করার জন্য অনেক কিছু হতে পারে তবে কি কেউ এই সমস্যার জন্য সিউডো কোডটি স্কেচ করতে ইচ্ছুক হবে? (আরও ব্যবহারিক স্তরে, আমি মতলবের একটি সমাধানে আগ্রহী)।

machine-learning boosting

— আমেলিও ভাজকেজ-রেইনা
সূত্র

দুর্দান্ত প্রশ্ন আমি ভাবলাম কীভাবে ক্যালিগ্রেশনটি তৈরি করবেন কিভাবে আপনি যদি 1 টি বনাম বাক্য বাছাই করে থাকেন। যদি আপনি কে 1 বনাম বাকী 1 টি ব্যবহার করে (এবং কে ক্লাস রয়েছে) তৈরি করে থাকেন তবে আপনার কি তাদের কোনওরকমভাবে স্বাভাবিক করতে হবে যাতে তারা 1 এর সমষ্টি হয় (উদাহরণস্বরূপ সমস্ত কে এর যোগফলের মাধ্যমে প্রতিটি ক্যালিব্রেটেড সম্ভাবনা ভাগ করে নিন)?

— বি_মিনার

এটি আমার কাছে ব্যবহারিক আগ্রহের বিষয় তাই আমি একটু গবেষণাও করেছি। এখানে কোনও লেখকের দুটি কাগজপত্র রয়েছে যা প্রায়শই এই বিষয়গুলির একটি রেফারেন্স হিসাবে তালিকাভুক্ত হয়।

এখানে যে কৌশলটির কথা বলা হয়েছে তার সংক্ষিপ্তসারটি হ'ল মাল্টিক্লাসের সমস্যাটিকে বাইনারি হিসাবে হ্রাস করা (যেমন, একজনের তুলনায় একটি, একে একে সব বনাম), বাইনারি স্কোর / সম্ভাব্যতাগুলি স্পষ্ট করতে প্ল্যাট (পছন্দসই একটি টেস্ট সেট ব্যবহার করে) এর মতো কৌশল ব্যবহার করুন এবং তারপরে কাগজগুলিতে আলোচিত হিসাবে এগুলি একটি টেখিক ব্যবহার করে একত্রিত করুন (একটি "দম্পতি" এর একটি হাসি এবং এট প্রক্রিয়াটির সম্প্রসারণ)। প্রথম লিঙ্কে, বাইনারি সম্ভাব্যতাগুলি যেগুলি 1 এর সমষ্টি হয় তা কেবল স্বাভাবিক করার মাধ্যমে সেরা ফলাফলগুলি পাওয়া যায়।

আমি অন্য পরামর্শ শুনতে পছন্দ করব এবং যদি এই টিেকনিকিগুলির কোনওটি আরতে প্রেরণ করা হয়

— B_Miner
সূত্র

উত্তরে উল্লিখিত লিঙ্কগুলি পুরানো। সর্বশেষ লিঙ্কগুলি হলেন: citeseerx.ist.psu.edu/viewdoc/… citeseerx.ist.psu.edu/viewdoc/…

— চন্দ্র

এখানে ক্রস রেফারেন্স stats.stackexchange.com/questions/362460/…

— TMrtSmith

এই উত্তর প্রতিধ্বনিত। এটি আমাকে কিছু সময়ের জন্য থামিয়ে দেয় তবে জাদরোজনি এবং এলকানের কাগজটি কার্যকর প্রমাণিত হয়েছিল।

— গীতোলো