Devo classificare gli URL in categorie. Supponiamo di avere 15 categorie a cui sto pianificando di azzerare ogni URL.
Un classificatore a 15 vie è migliore? Dove ho 15 etichette e generare funzionalità per ciascun punto dati.
O costruendo 15 classificatori binari, dì: Film o Non film, e usa i numeri che ottengo da queste classificazioni per costruire un classificatore, per scegliere la categoria migliore, sarà migliore?
Risposte:
Prima di tutto, devi chiederti se il tuo problema è multilabel (ovvero un singolo URL può appartenere a più classi) o meno (ovvero un singolo URL può appartenere a una sola classe).
Se il primo, vai con una batteria di classificatori binari, perché questo è un modo predefinito di fare problemi multilabel.
In quest'ultimo caso, la risposta dipende da una combinazione di come appaiono i tuoi dati, qual è lo scopo della tua analisi e quale metodo stai usando - probabilmente dovresti semplicemente provare entrambi e selezionare il meglio.
Nota solo che alcuni metodi (come SVM) non possono effettivamente fare la classificazione multiclasse a causa del modo in cui sono definiti e quindi utilizzano internamente una batteria di classificatori binari.
Ciò dipenderà dalla modalità di dispersione dei dati. C'è un bellissimo esempio che è stato dato di recente a una domanda simile in cui l'OP voleva sapere se una singola funzione discriminante lineare sarebbe un miglior classificatore per decidere la popolazione A vs B o C o una basata su funzioni discriminanti lineari multiple che separano A, B e C. Qualcuno ha dato un diagramma a dispersione colorato molto bello per mostrare come usare due discriminanti sarebbe meglio di uno in quel caso. Proverò a collegarmi ad esso.
Alcuni metodi gestiscono bene, ad esempio, multiclasse, foreste casuali, MLP.
Se non vuoi andare in quel modo, è possibile che ECOC possa eseguire 1-vs-All per il tuo problema, solo i test lo diranno.