部分拒绝选项下的分类

我们研究贝叶斯模型下的集值分类，其中数据源自有限个 $N$ 个可能假设中的一个。因此我们考虑分类类别集合大小从 0 到 $N$ 的场景。空集对应于离群值，大小 1 表示选出单一假设的确定决策，大小 $N$ 对应于拒绝分类，而大小 $2\ldots,N-1$ 表示部分拒绝，即某些假设被排除于进一步分析之外。我们引入了具有集值参数的奖励函数的一般框架，并推导了相应的最优贝叶斯分类器，针对同类块假设以及假设被划分为块（块内与块间歧义严重程度不同）的情况。我们使用一个鸟类学数据集说明了分类，其中分类单元被划分为块，参数通过 MCMC 估计。相关奖励函数的调谐参数通过交叉验证选取。