Многоклассовая классификация

Многоклассовая классификация — задача машинного обучения, в которой модель обучается различать входные данные на несколько классов.

Является частным случаем классификации.

Общая информация

Имеет множество приложений, начиная от компьютерного зрения и распознавания образов до анализа текстовых данных.

Является обобщением задачи бинарной классификации (где есть только два класса).

Примеры задач

• классификация изображений (например, фотографий животных, растений, автомобилей)
• распознавание рукописного текста (какой символ или буква написана на изображении)
• медицинская диагностика (определение диагноза на основе медицинских изображений)
• анализ тональности текста (классификация текстовых обзоров или комментариев на положительные, отрицательные или нейтральные мнения)

Методы

Для решения задач многоклассовой классификации существует несколько методов и подходов:

• One-vs-All (один против всех) /One-vs-Rest (все против всех) — создание бинарных классификаторов для каждого класса
• Softmax-регрессия — использование многопеременных логистических функций для преобразования выходов модели в вероятности принадлежности к разным классам
• Деревья принятия решений и случайный лес — разделение на классы с помощью древовидных структур
• Нейронные сети — моделирование сетевых структур преобразования информации
• Многоклассовый метод опорных векторов
• т. н. «Нативные классификаторы» — опорные векторные машины (SVM), деревья классификации и регрессии (CART), KNN и Naïve Bayes (NB)