Tạo mô hình phân loại đa lớp
Bạn cũng có thể tạo ra các phân loại lớp, trong đó có nhiều hơn hai lớp khả thi. Ví dụ, phòng khám sức khỏe có thể mở rộng mô hình bệnh tiểu đường để phân loại bệnh nhân là:
- Không tiểu đường
- Tiểu đường loại 1
- Tiểu đường loại 2
Các giá trị xác suất lớp cá nhân vẫn sẽ cộng tổng cộng 1 vì bệnh nhân chắc chắn chỉ ở một trong ba lớp, và lớp có thể xảy ra nhất sẽ được dự đoán bởi mô hình.
Sử dụng các kiểu phân loại đa lớp
Phân loại đa lớp có thể được hiểu là sự kết hợp của nhiều phân loại nhị phân. Có hai cách để bạn tiếp cận vấn đề:
-
Một so với Rest (OVR), trong đó một phân loại được tạo ra cho mỗi giá trị lớp có thể, với kết quả tích cực cho các trường hợp mà dự đoán là lớp này và dự đoán tiêu cực cho các trường hợp mà dự đoán là bất kỳ lớp nào khác. Ví dụ: vấn đề phân loại với bốn lớp hình dạng có thể xảy ra (hình vuông, hình tròn, hình tam giác, hình lục giác) sẽ yêu cầu bốn phân loại dự đoán:
- hình vuông hay không
- vòng tròn hay không
- hình tam giác hay không
- hình lục giác hay không
-
one vs One (OVO), trong đó một lớp học cho mỗi cặp có thể được tạo ra. Vấn đề phân loại với bốn lớp hình dạng sẽ yêu cầu các phân loại nhị phân sau đây:
- hình vuông hoặc hình tròn
- hình vuông hoặc hình tam giác
- hình vuông hoặc hình lục giác
- hình tròn hoặc hình tam giác
- hình tròn hoặc hình lục giác
- hình tam giác hoặc hình lục giác
Trong cả hai phương pháp, mô hình tổng thể phải tính đến tất cả các dự đoán này để xác định loại duy nhất thuộc về mục.
May mắn thay, trong hầu hết các khuôn khổ máy học, bao gồm Scikit-Learn, thực hiện mô hình phân loại đa lớp không phức tạp hơn đáng kể so với phân loại nhị phân - và trong hầu hết các trường hợp, các ước tính được sử dụng để phân loại nhị phân ngầm hỗ trợ phân loại đa lớp bằng cách trừu tượng một thuật toán OVR, thuật toán OVO, hoặc bằng cách cho phép lựa chọn một trong hai.