基于一对一深度学习策略与联合概率估计的多分类方法
机器学习
2023-06-19 v1 人工智能
摘要
一对一（OvO）策略是一种多分类模型方法，侧重于在每两类之间训练二分类器。虽然 OvO 策略利用了平衡的训练数据，但分类精度通常受到用于组合所有二分类器的投票机制的阻碍。本文在深度学习框架下提出了一种结合联合概率度量的新型 OvO 多分类模型。在所提模型中，开发了一种两阶段算法，从成对二分类器估计类概率。给定二分类器，成对概率估计通过分离特征超平面上的距离度量进行校准。由此，通过求解基于联合概率的距离最小化问题来估计样本的类概率。在不同应用中的数值实验表明，所提模型总体上取得了比其他最先进模型更高的分类精度。
引用
@article{arxiv.2306.09668,
title = {Multi-Classification using One-versus-One Deep Learning Strategy with Joint Probability Estimates},
author = {Anthony Hei-Long Chan and Raymond HonFu Chan and Lingjia Dai},
journal= {arXiv preprint arXiv:2306.09668},
year = {2023}
}