Fatal编程技术网
  • machine-learning/
  • Machine learning 为什么在二元分类中，我们只能从输入映射到特征空间？

Machine learning 为什么在二元分类中，我们只能从输入映射到特征空间？

machine-learning nlp

Machine learning 为什么在二元分类中，我们只能从输入映射到特征空间？,machine-learning,nlp,Machine Learning,Nlp,下面是关于NLP和机器学习的幻灯片。在幻灯片7中，作者说“在二元分类中，我们只能从输入映射到特征空间。”这似乎不同于非二元分类（在幻灯片前面介绍）中从X X Y映射到特征空间。为什么对于二元分类，您不从所有可能的X-Y组合映射？似乎每个可能的X都可以从Y中获得两个标签中的一个（即X Y-->r^n）简言之，这些幻灯片有误。您可以将二进制分类视为多标签分类，因此不应用其他限制。然而，在二进制分类中，使用X X Y->F的技巧只是冗余的。在这里，所有为您提供有关分类到类0的信息的内容也为您提供了有关

下面是关于NLP和机器学习的幻灯片。在幻灯片7中，作者说“在二元分类中，我们只能从输入映射到特征空间。”这似乎不同于非二元分类（在幻灯片前面介绍）中从X X Y映射到特征空间。为什么对于二元分类，您不从所有可能的X-Y组合映射？似乎每个可能的X都可以从Y中获得两个标签中的一个（即X Y-->r^n）

简言之，这些幻灯片有误。您可以将二进制分类视为多标签分类，因此不应用其他限制。然而，在二进制分类中，使用X X Y->F的技巧只是冗余的。在这里，所有为您提供有关分类到类
0
的信息的内容也为您提供了有关分类到类
1
的信息（因为没有其他选项，只有两种可能性），而在多类场景中，不属于类
0
的情况下，不会为您提供任何实际信息（它仍然可以是类
2
或
k
）的一部分，因此仅为某些类定义特性是有原因的。概括起来：

  • 不管这些幻灯片中写了什么，您都可以将二进制分类视为多类分类
  • 在二元分类中使用X X Y->F映射是冗余的