Мне нужно классифицировать URL-адреса по категориям. Скажем, у меня есть 15 категорий, к которым я планирую обнулить каждый URL.
Классификатор с 15 путями лучше? Где у меня есть 15 меток и генерировать функции для каждой точки данных.
Или построить 15 бинарных классификаторов, скажем: Movie или Non-Movie, и использовать числа, которые я получу из этих классификаций, чтобы построить ранкер, чтобы выбрать лучшую категорию, которая будет лучше?
Ответы:
Прежде всего, вы должны спросить себя, является ли ваша проблема многоуровневой (т.е. один URL-адрес может принадлежать нескольким классам) или нет (т.е. один URL-адрес может принадлежать только одному классу).
Если первое, используйте набор двоичных классификаторов, потому что это способ решения проблем с несколькими метками по умолчанию.
Если последнее, ответ зависит от сочетания того, как выглядят ваши данные, какова цель вашего анализа и какой метод вы используете - вероятно, вам следует просто попробовать оба варианта и выбрать лучший.
Следует только отметить, что некоторые методы (например, SVM) не могут на самом деле выполнять мультиклассовую классификацию из-за того, как они определены, и, таким образом, внутренне используют батарею двоичных классификаторов.
Это будет зависеть от того, как ваши данные рассредоточены. Есть прекрасный пример, который был недавно дан аналогичному вопросу, в котором ОП хотел знать, будет ли одна линейная дискриминантная функция лучше классифицировать для определения совокупности A против B или C или основанная на множественных линейных дискриминантных функциях, которые разделяют A, B и C. Кто-то дал очень хорошую цветную диаграмму рассеяния, чтобы показать, как использование двух дискриминантов будет лучше, чем один в этом случае. Я постараюсь дать ссылку на него.
Некоторые методы хорошо работают с мультиклассами, случайными лесами, MLP, например.
Если вы не хотите идти по этому пути, то, возможно, ECOC сможет выполнить 1-все-все для вашей проблемы, покажет только тестирование.