【发布时间】：2017-06-22 08:25:54
【问题描述】：
这个问题是关于聚类任务的多标签多类分类。 Here 是对两者的一个很好的定义，以确保没有人混淆两者：
多类分类是指具有两个以上类的分类任务；例如，对一组可能是橙子、苹果或梨的水果图像进行分类。多类分类假设每个样本都分配给一个且只有一个标签：水果可以是苹果或梨，但不能同时是两者。
多标签分类为每个样本分配一组目标标签。这可以被认为是预测不互斥的数据点的属性，例如与文档相关的主题。一篇文章可能同时涉及任何宗教、政治、金融或教育，也可能不涉及这些。
根据多标签分类的定义，我们可以理解一个样本可能有多个真正的二元标签，因此关于宗教和政治的样本文本的目标看起来像这样：@987654322 @。
如果我们没有二进制标签，而是有概率或分数怎么办。所以我们的目标现在看起来像这样：y = [0.5, 0.4, 0.0, 0.1]，例如概率总和为 1。该文件是50％的宗教，40％的政治和10％的教育。当然，像这样标记数据集实际上并不可行，所以让我们看看另一组任务，更准确地说是聚类任务，看看这是如何发生的。
对于集群任务，我们有一个数据集[a,b,c,d,e] 及其一组真正的集群[abce,d]。聚类可以看作是一种分类任务，其中类是一组动作：与活动集群合并或开始一个新集群。想象一个增量构建这些集群的系统。它当然会出错，因此在此过程中会产生不连贯的集群[ab,c,d]。查看下一个样本e 时，现在无法准确判断应该将其添加到哪个集群，因为它的真正集群现在被分成两部分。由于我们知道正确的集群集，我们可以为每个动作（或潜在的合并）分配一个基于精度或召回的分数y = [0.5, 0.3, 0, 0.2]（这些数字是我想象的结果，不是精度也不是召回）。那么我们在这里的标签是什么？我们应该与这些集群中的任何一个合并还是应该启动一个仅包含 e 的新集群？
一个简单的解决方案是将最高分作为我们的真实标签或潜在操作，因为缺少更好的术语，并使用正常的分类成本函数。这意味着我们的潜在操作merge e->ab 是唯一正确的答案，其他一切都同样糟糕。在我看来，这似乎是错误的，因为 merge e->c 和 merge e->d 的行为都会受到同样的惩罚，即使前者不一定是错误的。
回到多标签分类，是否有任何成本函数允许这种“加权标签”而不是 1 和 0。还是我看错了角度？
【问题讨论】：
-
在集群中，你确实没有有正确的标签。如果你有标签，那就是分类！
-
嗯，我可能没有使用正确的术语。例如，在共指解析中，您确实拥有正确的共指链或“集群”。我试着尽可能笼统。
标签： machine-learning neural-network cluster-analysis multilabel-classification