我有一个 NLP 任务，我正在使用 xgboost（R 实现）来处理。

在描述我的怀疑之前，我会给你一些背景：

我有一个文档语料库，我使用术语 x 术语矩阵聚类方法进行了主题发现。对于每个文档，我得到一个使用文档中的术语计算的主题分数（带有 TfIdf 分数）。然后对于每个文档，我选择得分最高的主题。

接下来的步骤是创建一个模型，给定术语 x 文档得分矩阵和每个文档的最佳主题，预测最佳主题。

我尝试了两种不同的方法：

• 多类模型，其中一个主题与每个文档相关联；
• 一对一的模型系列，每个主题一个，其中每个文档都被标记为属于或不属于某个主题。

以下是使用 AUC 的两种方法的结果：

    i                 topic    single     multi
1   1             Topic.nv1 0.9564445 0.9880821
2   2  Topic.nv10_Topic.wv9 0.9848492 0.9969546
3   3            Topic.nv11 0.9174293 0.9741100
4   4 Topic.nv12_Topic.wv11 0.9874073 0.9967725
5   5 Topic.nv13_Topic.wv10 0.9509909 0.9916768
6   6 Topic.nv14_Topic.wv12 0.9864622 0.9959161
7   7            Topic.nv15 0.7333333 0.9333333
8   8   Topic.nv2_Topic.wv3 0.9590279 0.9877953
9   9   Topic.nv3_Topic.wv5 0.9448966 0.9879057
10 10   Topic.nv4_Topic.wv2 0.9521490 0.9908656
11 11   Topic.nv5_Topic.wv6 0.9761665 0.9946294
12 12             Topic.nv6 0.9439377 0.9889028
13 13   Topic.nv7_Topic.wv4 0.9656248 0.9926163
14 14             Topic.nv8 0.9673726 0.9944970
15 15   Topic.nv9_Topic.wv8 0.9716538 0.9929586
16 16             Topic.wv1 0.9610704 0.9925414
17 17             Topic.wv7 0.9765398 0.9904255

可以看出，多类方法系统地优于其他方法。注意：这些是训练集的表现。

这有明确的理论原因吗？