Por qué necesitamos de una sola clase de la clasificación?

Question

He comenzado el aprendizaje de la clasificación en el aprendizaje de máquina. Me enfrento a dos conceptos, uno es "la única clase de la clasificación" y el otro es "binario clase de la clasificación".

Estoy confundido acerca de cuándo usar la misma clase de la clasificación y cuándo utilizar el binario de la clase de la clasificación. Mi pregunta se concentra principalmente en la misma clase de la clasificación.

¿Por qué necesitamos de una sola clase de la clasificación?

Answer 1

Una clase de la clasificación al principio puede parecer menos útil que un enfoque más general que permite identificar muchas de las clases. Sin embargo, puede ser bastante útil, y de hecho más difícil a veces. Un snippit de introducción motivante que es aquí en la wikipedia, con algunos enlaces a las fuentes.

Aunque hay muchos casos en que es útil, voy a seguir a un ejemplo para tratar y ayudar a su intuición. Supongamos que usted tiene algunos datos del mundo real proceso de generación de la que crees que va a producir valores atípicos en algunos puntos de tiempo. En una clase de la clasificación, su objetivo sería identificar si la nueva observación que se observa es un valor atípico o no. Si es así, usted podría tomar algún tipo de acción.

Ahora, voy a cavar un poco más profundo de por qué esta es una clase de la clasificación. En primer lugar una definición: Un valor atípico es una observación que no provienen de la distribución de la uno-clase en su conjunto de datos. Aviso, este no impone una estructura en las distribuciones de los valores atípicos. Cada uno puede provenir de una distribución, si te gusta. Sólo suponemos que el bien (una clase) observaciones provienen de la misma distribución. En este sentido, lo que realmente puede no tener sentido para intentar clasificar a la periferia - que podría ser cualquier cosa - pero si conseguimos una buena idea acerca de la uno-clase que nos interesa, esto puede ser suficiente para ayudarnos a identificar y excluir los valores extremos que nos encontramos.

Los gráficos de Control son otra donde este tipo de enfoque es ampliamente utilizado.