.png){kind=icon}
返回
A MULTICATEGORY CLASSIFICATION MODEL WITH REGULARIZED PAIRWISE COMPARISON
.png){kind=icon}
PRE
AI
DOI：10.23055/ijietap.2026.33.2.10891.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多类别分类在机器学习中提出了重大挑战，因为现实问题通常涉及多个类别，而许多算法是为二分类量身定制的。在将二分类器扩展到多类别分类问题的方法中，两种代表性方法是“一对一”（OVO）和“一对多”（OVT）方法。本文证明，在特定场景下，OVT方法可能遭遇遮蔽问题。为缓解此问题，我们提出了一种基于OVO框架的新算法。具体而言，我们的方法将OVO方法与Mallows-Bradley-Terry模型的思想相结合，通过优化单个惩罚伪似然目标来估计类别概率。该方法允许同时估计和正则化所有成对参数，显著降低计算开销。实验结果和真实数据分析表明，所提出的方法在预测性能上优于OVT，并且对遮蔽问题具有更强的鲁棒性。
Keyword:
Multicategory Classification
Regularization
One-Versus-One
One-Versus-The Rest
Masking Problem
期刊
I
机构
暂无机构信息
引用论文
暂无论文信息