通过自动化层次生成与基于扩展LCPN方案的利用在多类分类中提升性能
机器学习
2026-04-02 v1
摘要
层次分类（HC）在多类分类任务中发挥着关键作用，其中对象被组织为层次结构。本研究通过对层次生成与层次利用的全面分析来探讨HC的性能。该分析在预定义层次结构不易获得的场景下尤为相关。值得注意的是，两种新颖的层次利用方案LCPN+和LCPN+F被提出并评估，它们扩展了LCPN的能力并结合了全局与局部分类的优势。研究结果揭示了LCPN+F的一致优越性，其在各种数据集和场景下优于其他方案。此外，本研究不仅强调有效性，也强调效率，因为LCPN+和LCPN+F保持了与扁平分类（FC）相当的运行时性能。另外，本研究强调了选择正确的层次利用方案以最大化分类性能的重要性。本工作扩展了对HC的理解并建立了未来研究的基准，促进了多类分类方法学的进步。
引用
@article{arxiv.2310.20641,
title = {Performance Improvement in Multi-class Classification via Automated Hierarchy Generation and Exploitation through Extended LCPN Schemes},
author = {Celal Alagoz},
journal= {arXiv preprint arXiv:2310.20641},
year = {2026}
}