machine-learning - 为什么在二元分类中，我们只将输入映射到特征空间？

Question

我正在关注these关于 NLP 和机器学习的幻灯片。在幻灯片 7 上，作者说“在二元分类中，我们只能从输入映射到特征空间。”这似乎与从 X x Y 映射到特征空间的非二元分类(幻灯片前面介绍的)不同。为什么对于二元分类，不从 X x Y 的所有可能组合进行映射？似乎每个可能的 X 都可以从 Y 中分配两个标签之一(即 X x Y -->r^n)

Answer 1

简而言之 - 这些幻灯片具有误导性。您可以将二元分类视为多标签分类，因此不适用其他限制。然而，X x Y -> F 的技巧在二元分类中只是冗余。因为这里为您提供有关分类到类 0 的任何信息的所有内容也为您提供有关分类到类 1 的信息(因为没有其他选项，只有两种可能性)，而在多类场景中，不属于类 0 的一部分不会给您提供任何实际信息(它仍然可以是类 2 或 k 的一部分)所以只为某些类定义特性是有原因的。总结一下:

• 不管这些幻灯片中写了什么，您可以将二元分类视为多类分类
• 在二元分类中使用 X x Y -> F 映射是冗余