Membuat model klasifikasi multikelas

  • 4 menit

Dimungkinkan juga untuk membuat model klasifikasi multikelas , di mana ada lebih dari dua kelas yang mungkin. Misalnya, klinik kesehatan mungkin memperluas model diabetes untuk mengklasifikasikan pasien sebagai:

  • Non-diabetes
  • Diabetes tipe-1
  • Diabetes tipe-2

Nilai probabilitas kelas individu masih akan bertambah hingga total 1 karena pasien pasti hanya berada di salah satu dari tiga kelas, dan kelas yang paling mungkin diprediksi oleh model.

Menggunakan model klasifikasi Multikelas

Klasifikasi multikelas dapat dianggap sebagai kombinasi dari beberapa pengklasifikasi biner. Ada dua cara Anda mendekati masalah:

  • Satu vs Semua (OVR), di mana pengklasifikasi dibuat untuk setiap kemungkinan nilai kelas, dengan hasil positif untuk kasus di mana prediksi merupakan kelas ini, dan prediksi negatif untuk kasus di mana prediksi merupakan kelas lain. Misalnya, masalah klasifikasi dengan empat kelas bentuk yang mungkin (persegi, lingkaran, segitiga, segitiga) akan memerlukan empat pengklasifikasi yang memprediksi:
    • persegi atau bukan
    • lingkaran atau bukan
    • segitiga atau bukan
    • segi enam atau bukan
  • Satu vs Satu (OVO), di mana dibuat sebuah pengklasifikasi untuk setiap kemungkinan pasangan kelas. Masalah klasifikasi dengan empat kelas bentuk akan memerlukan pengklasifikasi biner berikut:
    • persegi atau lingkaran
    • persegi atau segitiga
    • persegi atau segi enam
    • lingkaran atau segitiga
    • lingkaran atau segi enam
    • segitiga atau segi enam

Dalam kedua pendekatan tersebut, model keseluruhan harus memperhitungkan semua prediksi ini untuk menentukan kategori tunggal mana yang dimiliki item tersebut.

Untungnya, dalam sebagian besar kerangka kerja pembelajaran mesin, termasuk Scikit-Learn, menerapkan model klasifikasi multikelas tidak secara signifikan lebih kompleks daripada klasifikasi biner - dan dalam banyak kasus, estimator yang digunakan untuk klasifikasi biner secara implisit mendukung klasifikasi multikelas dengan mengabstraksi algoritma OVR, algoritma OVO, atau dengan mengizinkan pilihan keduanya.