我目前面临一个问题，其中我的一些训练示例同时属于多个类，例如，样本属于类和类。我在想一个解决方案是将该样本视为双重样本，即，将其视为两个样本，一个用于类，一个用于类。但是，我的问题是我正在执行一对多的策略，我认为这种解决方案可能会导致数值错误（特征矩阵将具有相同的行）！
您是否知道对此类问题的任何引用（或它的技术名称）？
提前致谢！
监督学习中如何处理属于多个类别的样本？
机器算法验证
机器学习
监督学习
2022-04-03 06:27:08
2个回答
这看起来像一个经典的多标签分类。有几十种可能的方法，特别是sklearnpython 库实现了这些方法。
在最简单的场景中，您可以在“标签”的基础上训练分类器。特征矩阵不会有任何问题，因为你可以简单地将你的个标签问题分成个单标签问题，并训练个独立的分类器。可以在 sklearn 文档中找到很好的示例，其中有两个二进制标签（每个样本可以有标签 1、标签 2、两者都有或没有），我们只需将其转换为两个二进制分类问题，处理相同的输入数据，但是带有不同的标签。
@juampa 所建议的实际上是更复杂的东西 - 预测结构化标签会做出许多假设（首先 - 标签中有任何可靠的结构，并且您可以“手动”对其进行建模）。这也可以是一个解决方案，但如果您发现更常见、更简单的方法还不够，我会把它留到后面的阶段。特别是，有一些模型和方法可以在没有先验知识的情况下预测结构化标签。
分类器的层次结构对您来说是一个解决方案吗？在第一级，您找到与集群对应的分类器，然后为子集群找到分类器
其它你可能感兴趣的问题