二进制分类

Question

假设我没有将标签分配给实例，而是将实例中的确定性函数写入标签，

＆＃34;如果实例A满足某些条件，则将其标记为0.否则，将其标记为1。＆＃34;

然后，我对生成的实例和标签集进行ROC分析。

有人可以告诉我，我做了什么？我只是在测试我的函数作为分类器的判别能力吗？

我有点困惑，因为在这种情况下我是指定标签的人。我不是假设他们被给予并试图学习分类器本身。

Answer 1

你所做的事情在机器学习中很常见。您将获得一个未知的stochatic进程f: IR^m -> IR^n以及某些有趣的信息（由标签表示），这些信息是n结果的函数，即g: IR^n -> {0,1}。

现在您只对这些标签感兴趣，因此您不必担心预测原始过程f - 因为它是多维值的，所以更难。相反，您只考虑组合过程

h: IR^m -> {0,1}, h = g o f

并尝试对此过程执行二进制分类。

在某种程度上，这是通过任何二进制分类数据集来完成的。人们总是可以构造 - 有时是人工 - 中间变量，然后将这些变量映射到二进制结果集（通过已知的映射，如在您的情况下或通过尚未推断的映射）。考虑例如多层神经网络：隐藏层可以被认为是那些中间变量。类似地，对于主成分回归，输入变量首先进行线性变换 - 即应用确定性映射 - 然后推断得到的，希望更容易的随机过程。

编辑：很大程度上取决于您申请的标签。如果它是从中间变量到{0,1}的“自然”映射，即直接对您要查找的数量进行分类并且由您的设置唯一指定的映射，请继续。但是，我的印象是您不能完全确定映射的质量。在这种情况下，我会避免通过您的映射和模型直接影响机器学习方法所需的数量...也许您可以提供有关您的设置的更多详细信息，然后我们可以继续这里。