機器學習的分層分類自上而下的方法

我有一個句子的數據集，這些句子已經用層次結構中的標籤進行了註釋。層次結構是音樂流派的選擇。它是一棵樹，而不是一個DAG - 每個節點只有一個父母和一個父母。下面是一個提取物爲例：機器學習的分層分類自上而下的方法

root = music 
    parent = latin 
      child = afro-cuban 
        child = salsa 
      child = brazilian 
        child = axe 
    parent = non-latin 
      child = classical 
    ...

對於句子Mozart is the best例如，從收集的註解，多數同意這句話類標籤或地面真相是classical。從層次結構來看，我們知道classical也是non-latin音樂的一種形式，其形式爲music。而i prefer salsa可能已註釋爲latin。

就分類而言，扁平化層次結構 - 我所做的 - 直觀地不能解決問題，因爲我們完全忽略了類層次結構。由於我們面臨着多類分類問題，因此它在使用Weka和分類器時也會產生較低的結果。

我的問題是，我讀過非常模糊的文獻和關於如何實施分層分類的在線文章。我想使用Weka和Python。但我只想澄清如何在這種情況下進行分層分類。所以我的問題是：

1）什麼是最好的建議去解決這個問題？實施自頂向下的方法是最佳選擇嗎？如果我這樣做，我該如何避免在每個級別上錯誤分類的問題？即它可以預測級別1上的latin，級別2上的classical。關於二元分類器呢？我接受建議。

2）訓練和測試數據是如何進入這個的？

3）如何評估分類性能？特別是採用自上而下的方法，因爲我們將對每個單獨的級別進行評估。

來源

2016-04-22 user47467

我不知道我完全理解你的問題，但是從我確實瞭解，這聽起來是Decision tree，或最先進的算法，像Random Forest將是一個不錯的選擇。您需要構建樹，也許可以使用一些NLP技術來刪除不必要的詞，如「is」，「I」，「the」（可能需要檢查更深層的詞）並將這些詞用作樹的特徵。對於第二個問題，你應該閱讀一些關於機器學習的內容。 Andrew Ng course on Coursera是一個很好的選擇。但是對於你的問題，培訓是你選擇訓練的數據的一部分，測試數據就是你評估算法性能的部分。這也應該回答你的第三個問題

來源

2016-04-24 17:43:45 lazary

謝謝你的回答。我意識到培訓和測試數據的目的，以及他們的工作和機器學習。我只是不明白你會如何以分層的方式去做。所以你建議從我的句子中提取特徵？這隻會在較小的空間中產生句子。這如何解決我的等級問題？問題是，一個班級屬於多個級別。正如我所解釋的，一個節點也可以被歸類爲它的父節點，因爲在概念上，這也是正確的。如何做到這一點？ – user47467

從句子中提取功能 - 是的，首先，這將刪除你很多不必要的數據，其次是在你的例子中給出的句子，它將保留有意義的單詞。層次問題將在樹中解決，而且也很直觀。例如，在一句話中：_「我更喜歡莎莎」_莎莎將是一個強大的功能，並且當它進入你的分類器時，它可能會表明一個強烈的信號，非洲古巴或拉丁或音樂，取決於什麼是你的標籤你對哪一部分樹完全感興趣？頂層？第二個？ – lazary

我對樹木沒有預先知識，所以如果你知道或者可以幫助我解決這個問題，那會很棒。我對整棵樹感興趣，我想這取決於句子的類標籤。 – user47467

這survey article做了很好的解釋層次分類的各種策略。

通過控制用於訓練每個子分類的訓練數據，可以防止不一致的預測，例如您提供的拉丁語 - >經典示例。例如，你首先訓練一個二元分類器來區分拉丁和非拉丁，使用所有的數據進行訓練。然後訓練一個分類器來區分非洲裔古巴人和巴西人，只使用這兩類中的例子作爲訓練數據。在推斷時，如果拉丁/非拉丁分類器預測「拉丁語」，則只會將未標記的示例傳遞給非古巴/巴西分類器。

來源

2017-02-03 18:44:54 jorgyz

機器學習的分層分類自上而下的方法

回答

相關問題