Блог

Как работает метод «один против одного» для набора тестов в многоклассовой классификации? Я понимаю, как он генерировал подмножества каждой пары для обучающего набора, но как он используется в тестовом наборе? Я кое-что прочитал о большинстве голосов, но я ничего не могу найти, каковы эти голоса или как они работают. мое предположение заключается в том, что голоса — это наблюдения, помеченные как положительные / отрицательные в паре классов.

Как я это понимаю:

если у меня есть три пары A против B, A против C, B против C, и я хочу предсказать C, тогда я должен использовать A против C, если эта пара имеет больше отрицательных значений, чем B против C?

Ваша интуиция почти верна, голоса за каждый класс представляют количество раз, когда класс выиграл дуэль против другого класса, отрицательные просто не учитываются.

Чтобы проиллюстрировать, как работает классификатор один против одного, давайте возьмем простой пример с 4 классами «Красный», «Синий», «Зеленый», «Желтый». Нам нужно будет обучить K * (K -1) / 2 классификаторов (K — номер класса).

Для обучения модели каждое подмножество из 2 классов будет использоваться для обучения двоичного классификатора, поэтому мы будем обучать всего 4 * (4 — 1) / 2 в нашем случае 6 классификаторов :

• Классификатор 1: красный против синего
• Классификатор 2: красный против зеленого
• Классификатор 3: красный против желтого
• Классификатор 4: синий против зеленого
• Классификатор 5: синий против желтого
• Классификатор 6: зеленый против желтого

Давайте теперь возьмем один тестовый элемент, мы запустим над ним все наши двоичные классификаторы, вот результат :

• Классификатор 1: красный
• Классификатор 2: красный
• Классификатор 3: красный
• Классификатор 4: синий
• Классификатор 5: желтый
• Классификатор 6: зеленый

Как вы можете видеть выше, синий, Желтый и Зеленый выиграли только 1 поединок, в то время как красный выиграл 3 поединка. Наш мультиклассовый классификатор предсказывает, что этот экземпляр является красным