多类别大容量统一机器
张冲、刘玉峰; 14(5):1349−1386, 2013.
摘要
硬分类器和软分类器是解决分类问题的两组重要技术。逻辑回归和支持向量机分别是软分类器和硬分类器的典型例子。这两组之间的本质区别在于是否需要估计分类任务的类条件概率。特别是，软分类器基于获得的类条件概率来预测标签，而硬分类器则绕过概率的估计，专注于决策边界。实际上，为了达到准确分类的目的，在给定的情况下使用哪一种分类方法尚不清楚。为了解决这个问题，最近提出将大边缘统一机（LUM）作为一个统一系列来包含这两个组。LUM系列使人们能够研究从软二进制分类器到硬二进制分类器的行为变化。然而，对于多类别的情况，软分类和硬分类的概念变得不太明确。在这种情况下，类概率估计变得更加复杂，因为它需要估计概率向量。本文提出了一种新的多类别LUM（MLUM）框架，用于研究软分类和硬分类在多类别设置下的行为。我们的理论和数值结果有助于揭示多类别分类的本质及其从软分类器到硬分类器的转换行为。数值结果表明，所提出的调谐MLUM产生了非常有竞争力的性能。
[腹肌]
[pdf格式][围兜]
