एक-बनाम-सब और एक-बनाम-एक svm में?

Question

एक-बनाम-सभी और एक-बनाम-एक एसवीएम क्लासिफायरियर के बीच अंतर क्या है?

क्या नई छवि के सभी प्रकार / श्रेणियों को वर्गीकृत करने के लिए वन-बनाम-ऑल का मतलब एक क्लासिफायर है और एक-बनाम-एक का मतलब है प्रत्येक प्रकार / नई छवि की श्रेणी विभिन्न क्लासिफायरियर के साथ वर्गीकृत होती है (प्रत्येक श्रेणी को विशेष क्लासिफायरियर द्वारा संभाला जाता है)?

उदाहरण के लिए, यदि नई छवि को सर्कल, आयत, त्रिकोण, आदि में वर्गीकृत किया जाए।

Answer 1

अंतर आपको सीखने वाले क्लासिफायर की संख्या है, जो निर्णय सीमा के साथ दृढ़ता से संबंधित है।

मान लें आप विभिन्न वर्गों। एक बनाम सभी को कुल एन क्लासिफायर में प्रति क्लास एक क्लासिफायर ट्रेन करेगा । कक्षा I के लिए यह i- labels को सकारात्मक और शेष को ऋणात्मक मान लेगा। यह अक्सर असंतुलित डेटासेट्स की ओर जाता है जिसका अर्थ है कि सामान्य SVM काम नहीं कर सकता है, लेकिन फिर भी कुछ वर्कअराउंड हैं।$N$$N$$i$$i$

एक बनाम एक में आपको प्रत्येक अलग-अलग जोड़ियों के लिए एक अलग क्लासिफायर ट्रेन करना होगा। यह N ( N - 1 ) की ओर जाता है वर्गीकरण। यह असंतुलित डेटासेट की समस्याओं के लिए बहुत कम संवेदनशील है, लेकिन बहुत अधिक कम्प्यूटेशनल रूप से महंगा है।$\frac{N(N-1)}{2}$

Comments

कृपया, क्या मेरा मतलब है कि आई-लेबल पॉजिटिव है या आई-थ-लेबल पॉजिटिव है ?

— भ्रांति

कक्षा मैं सकारात्मक के रूप में इसी लेबल।

— गन्नतुहा

@ गट्टूहा - असंतुलित डेटासेट का क्या मतलब है? अग्रिम में धन्यवाद।

— सूर्याभित्स

मैं यहाँ पढ़ता हूँ - en.wikipedia.org/wiki/… - "हालांकि यह रणनीति लोकप्रिय है, यह एक ऐसा अनुमान है जो कई समस्याओं से ग्रस्त है। सबसे पहले, विश्वास मूल्यों का पैमाना बाइनरी क्लासिफायरियर के बीच भिन्न हो सकता है। दूसरा, यहां तक ​​कि। प्रशिक्षण वितरण में कक्षा का वितरण संतुलित है, द्विआधारी वर्गीकरण सीखने वाले असंतुलित वितरण देखते हैं क्योंकि आमतौर पर जो नकारात्मक वे देखते हैं उनका सेट सकारात्मक के सेट से बहुत बड़ा है "। फिर भी उस असंतुलन से सटीकता कैसे प्रभावित होती है?

— साभारशीट्स