如何为数据集中的每个标签构建单独的分类器？答案

【问题标题】：How to build separate classifiers for each label in the dataset?如何为数据集中的每个标签构建单独的分类器？
【发布时间】：2020-12-15 00:25:21
【问题描述】：

我有一个列列表，每列都将由另一个标签列表中的标签标记。例如：ALT_ID 和 MTRC_NM 两列分别与标签 Alternate ID 和 Metric Name 匹配。 p>

这个模糊的字符串匹配已经被处理了。问题是，我想在其中加入一个学习模型。

本质上，在显示匹配结果后，用户将匹配项整理为 CORRECT 或 INCORRECT。基于此反馈和该列的其他特征（如最小值、最大值），我想训练一个分类器，以便学习模型将来最终停止进行不正确的匹配。

注意：在第一次运行中，仅使用列名来生成第一组结果。在此之后，我想使用其他特征（如最小值）来训练模型。

问题是，可能有 10,000 个术语（或标签），甚至可能更多，而用户只需将它们标记为正确或 INCORRECT。对于错误的分类，用户不会告诉我们正确的分类应该是什么。

我相信一种解决方案可能是为每个标签制作单独的分类器，并根据特定分类的正确/不正确反馈，我们可以使用这些特征向量来训练分类器进行此分类。所以以后，如果模糊字符串匹配指定Metric Name作为某个列的分类，我们可以让“Metric Name”分类器来判断它的正确与否。

我不知道如何为每个标签制作单独的分类器。我也不知道这种方法是否可行。此问题的任何其他解决方案也会有所帮助。

【问题讨论】：

【解决方案1】：

您不想为每个标签创建单独的模型，因为训练超过 10000 个模型实际上并不可行。我想到的两个可能的事情是：

创建一个监督学习模型，其中一个标签作为输入，10000 个标签中的每一个的概率作为输出，它只使用正确的示例进行预测。
创建一个强化学习模型，输入相同，但输出最大化奖励函数，定义为每个正预测为 +1，每个负预测为 -1。该模型还将尝试最大化正确预测的数量，但同时能够从错误预测中学习，即预测不正确对 (x,y) 的 -1 分数。

【讨论】：