MLR и вектор-классификаторы / многозадачное обучение
Пакет R MLR поддерживает классификацию по нескольким меткам, которая отображает вектор признаков в набор дискретных меток Y_1, Y_2,...,Y_k. Например, Y_1, ..., могут быть категориальными демографическими признаками, такими как возраст, доход, пол, и кратные из них могут применяться к данному примеру в данных обучения. Я считаю, что иногда это называется многозадачным обучением.
Некоторые регрессионные задачи, такие как канонический корреляционный анализ, имеют похожий вид, в котором наши метки непрерывны и имеют векторную оценку. Каков наилучший способ представить такую задачу в MLR? Я превратил анализ канонической корреляции в рожок для обуви в задачу регулярной регрессии, но я сильно злоупотребляю predict а также performance методы (я хочу вернуть векторно-значимое предсказание, которое сравнивается с векторно-значимой основной истиной).
Другой подход состоит в том, чтобы "векторизовать" обучающие данные так, чтобы у K-значной цели каждый обучающий пример появлялся K раз. Однако это приводит к потере некоторой хорошей структуры проблемы, прогнозам и оценке производительности.
1 ответ
Похоже, для этого потребуется особый тип задания и ученика (или ученика в оболочке), точно так же, как и классификация с несколькими метками.