具有大量类的分类答案

【问题标题】：classification with large number of classes具有大量类的分类
【发布时间】：2020-04-05 18:28:24
【问题描述】：

假设我有一个包含 1000 万张图像的训练数据集，其中包含 10 万个不同人的图像。我想创建一个可以识别给定图像中的人的 ML 模型。考虑到人数众多（班级），最好的方法是什么？

【问题讨论】：

【解决方案1】：

尝试一些 Boosting 算法，例如 LightGBM、XGBOOST 它们是为如此大的数据集而设计的。

【讨论】：

【解决方案2】：

分类器可以以良好的准确率/召回率分类的类别数量取决于（但不限于）：

每个类别的区别有多大？

您可以从内容中获得多少特征（短文本肯定比图像包含的信息少得多）——由于您使用 CNN 处理文本，我假设这些特征只是字符或单词。

这些功能如何区分类别？

您有多少高质量的标记示例？（我们没有用于短文本的公开标记的大型多类别数据集）

在不知道上述问题的答案的情况下，很难只给你一个数字

【讨论】：

【解决方案3】：

一种可能的方法是将其视为验证问题，而不是多分类。也就是说，为每个人训练一个二元分类器。也可以参考这篇论文：https://arxiv.org/abs/1503.03832

【讨论】：