बहुवर्ग वर्गीकरण मॉडल बनाएं
मल्टीक्लास वर्गीकरण मॉडल बनाना भी संभव है, जिसमें दो से अधिक संभावित वर्ग हैं। उदाहरण के लिए, स्वास्थ्य क्लिनिक रोगियों को वर्गीकृत करने के लिए मधुमेह मॉडल का विस्तार कर सकता है:
- गैर-मधुमेह
- टाइप-1 डायबिटिक
- टाइप-2 डायबिटिक
व्यक्तिगत वर्ग संभाव्यता मान अभी भी कुल 1 तक जोड़ देगा क्योंकि रोगी निश्चित रूप से तीन वर्गों में से केवल एक में है, और सबसे संभावित वर्ग मॉडल द्वारा भविष्यवाणी की जाएगी।
मल्टीक्लास वर्गीकरण मॉडल का उपयोग करना
मल्टीक्लास वर्गीकरण को कई बाइनरी क्लासिफायर के संयोजन के रूप में माना जा सकता है। दो तरीके हैं जिनसे आप समस्या का सामना करते हैं:
-
वन बनाम रेस्ट (ओवीआर), जिसमें प्रत्येक संभावित वर्ग मूल्य के लिए एक क्लासिफायरियर बनाया जाता है, उन मामलों के लिए सकारात्मक परिणाम के साथ जहां भविष्यवाणी यह वर्ग है, और उन मामलों के लिए नकारात्मक भविष्यवाणियां जहां भविष्यवाणी कोई अन्य वर्ग है। उदाहरण के लिए, चार संभावित आकार वर्गों (वर्ग, वृत्त, त्रिकोण, षट्भुज) के साथ एक वर्गीकरण समस्या को चार क्लासिफायर की आवश्यकता होगी जो भविष्यवाणी करते हैं:
- वर्ग या नहीं
- सर्कल या नहीं
- त्रिभुज या नहीं
- षट्भुज या नहीं
-
एक बनाम एक (ओवीओ)है, जिसमें वर्गों की प्रत्येक संभावित जोड़ी के लिए एक क्लासिफायरियर बनाया जाता है। चार आकार वर्गों के साथ वर्गीकरण समस्या के लिए निम्नलिखित बाइनरी क्लासिफायर की आवश्यकता होगी:
- वर्ग या वृत्त
- वर्ग या त्रिभुज
- वर्ग या षट्भुज
- वृत्त या त्रिभुज
- वृत्त या षट्भुज
- त्रिभुज या षट्भुज
दोनों दृष्टिकोणों में, समग्र मॉडल को इन सभी भविष्यवाणियों को ध्यान में रखना चाहिए ताकि यह निर्धारित किया जा सके कि आइटम किस एकल श्रेणी से संबंधित है।
सौभाग्य से, स्किकिट-लर्न सहित अधिकांश मशीन लर्निंग फ्रेमवर्क में, एक मल्टीक्लास वर्गीकरण मॉडल को लागू करना बाइनरी वर्गीकरण की तुलना में काफी अधिक जटिल नहीं है - और ज्यादातर मामलों में, बाइनरी वर्गीकरण के लिए उपयोग किए जाने वाले अनुमानक एक ओवीआर एल्गोरिथ्म, एक ओवीओ एल्गोरिथ्म को सार करके मल्टीक्लास वर्गीकरण का समर्थन करते हैं, या या तो एक विकल्प की अनुमति देकर।