问题标签 [multiclass-classification]

我有 10 个具有二元和多类因子的数据集，我使用逻辑回归和 R“glm”来预测类概率 class,prediction(formula,data,type="response")。我怎样才能得到预测的类，就像其他模型给出的那样？例如：

这将给出概率预测：

• 但是，无论是 0 还是 1，我都需要类别预测。或者两列中的概率预测：一列用于 1 类，另一列用于 0 类？
• 当我有多个班级时如何使用它？

目前，我正在从事必须对餐厅评论数据进行分类的项目。我正在使用多项朴素贝叶斯算法。我有点困惑，我的问题与多类或多标签有关。

审查示例-

请像对待客户一样对待您的客户，而不是狗。.我永远不会去或建议任何人去Naivedyam，Hauz Khas。他们是病态的完全商人。食物味道很差，但是地方和工作人员太脏了

它包含三个不同的类，例如

如何创建训练数据集？

我应该使用多标签并创建训练数据集，如

或者

就像在多类中

任何建议

我正在 Spark ML 中使用随机森林进行多类预测。

对于 spark ML 中的这个 MulticlassClassificationEvaluator()，是否可以通过每个类标签获得精度/召回率？

目前，我只看到所有班级的精确度/召回率相结合。

我尝试使用 libsvm 和 3D 描述符来执行对象识别。到目前为止，我有 7 类对象，对于每个类别，我都有对象的数量（及其 pourcentage）：

类别 1. 492 (14%)

类别 2. 574 (16%)

类别 3. 738 (21%)

第 4 类。164 (5%)

类别 5。369 (10%)

类别 6。123 (3%)

类别 7。1025 (30%)

所以我总共有 3585 个对象。

我遵循了 libsvm 的实用指南。这里提醒一下：

A. 扩展训练和测试 B. 交叉验证 C. 训练 D. 测试

我将我的数据分为训练和测试。通过进行 5 次交叉验证过程，我能够确定好的 C 和 Gamma。

但是我的结果很差（CV 大约是 30-40，我的准确率大约是 50%）。

然后，我在考虑我的数据，发现我有一些不平衡的数据（例如类别 4 和 6）。我发现在 libSVM 上有一个关于权重的选项。这就是为什么我现在想设置好的权重。

到目前为止，我正在这样做：

然而结果是一样的。我确信这不是这样做的好方法，这就是为什么我请你帮忙。我看到了一些关于该主题的主题，但它们与二元分类而不是多类分类有关。我知道 libSVM 正在做“一对一”（所以是一个二进制分类器），但是当我有多个类时我不知道如何处理它。

请你帮助我好吗 ？

预先感谢您的帮助。

我正在研究我设计的多类分类问题

支持向量机分类器

为了

31个不同的类别

在分类过程之后，我得到了预测的标签，现在我想计算每个不同类的准确率。虽然我已经计算了模型的整体精度，但我想要更多细节。

有人可以为此目的提供我的 Matlab 代码或指导我计算所需的结果。

我有一个非常不同的机器学习问题。或者至少我第一次面临这样的问题。如果您能指导我解决它，那就太好了。

我有3个数据集如下：

酒店星级
1 3
2 2

用户 home_continent 性别
1 2 女性
2 3 女性
3 1 男性

用户酒店
1 39
1 44
2 63

我需要找到用户接下来会去哪家酒店。对我来说，它看起来不像正常的分类或回归问题。共有 66 家酒店和 4400 名用户，请您指导我。
谢谢

如何决定使用什么模型？

我想知道哪个损失函数使用 XGBoost 进行多类分类。我在这个问题中发现了二元情况下逻辑分类的损失函数。

我认为对于多类情况，它可能与 GBM（对于 K 类）中的相同，可以在此处看到，如果 x 的标签为 k，则 y_k=1，在任何其他情况下为 0，并且 p_k(x)是softmax函数。但是，我使用此损失函数进行了一阶和二阶梯度，并且粗麻布与此处代码中定义的梯度（在 SoftmaxMultiClassObj 中的函数 GetGradient 中）不匹配常数 2。

你能告诉我使用的是哪个损失函数吗？

先感谢您。

我正在使用函数“fitcsvm”在具有 4 个类的数据集上使用一对多的方法训练具有多项式内核的 SVM。为了进行完整性检查，我尝试将生成的模型应用于我使用函数“predict”进行训练的同一数据集。我为每个 SVM 的所有观察预测标签，并选择与特定观察的后验概率最高的 SVM 对应的标签作为其最终标签。但是，训练和测试错误并不完全相同。这背后的原因是什么？

我有一个如下所示的数据框：

我们正试图找出哪个目标更有可能在源上交付。下面的数据框显示了在哪些来源上交付了哪些目标的历史数据。我想使用神经网络来预测哪个目标更有可能在源上购买。这也是可重现的。

该数据集是 415 个数据点的子集。

我做的第一件事是使用 将class.ind分类变量转换为虚拟变量。然后从那里我创建一个有助于预测目标的神经网络模型。

1）我如何预测这个例子？

2）我如何用神经网络包重现这个？

3）我希望能够使用学习率等参数，但在nnet包中似乎找不到，以便我以后可以修改所有内容。

任何指导都会非常有帮助！