• 🏡 Home
  • 🚨 GDPR Compliant
  • ⚡️ Data Science
  • 📌 Machine Learning
  • 🔒 Privacy Preserving
  • 🏡 Home
  • 🚨 GDPR Compliant
  • ⚡️ Data Science
  • 📌 Machine Learning
  • 🔒 Privacy Preserving
Data Science, machine-learning

Multioutput, Multiclass e Multilabel Classification

Multioutput, Multiclass e Multilabel Classification

Un multilabel classification system e un multioutput classification system sono sistemi con un livello di complessità superiore. Dobbiamo avere prima chiari i concetti base.

Un classificatore binario (binary classifier) gestisce egregiamente due classi. Quando il loro numero aumenta, passiamo a un classificatore mutli–classe (multiclass classifier), o usiamo degli escamotage.

Questa tipologia di classificatori muove però dall’assunzione che ogni istanza è associata a una e una sola classe.

Quindi un frutto può essere una banana, o una mela, ma non tutti e due allo stesso tempo, poiché siamo fuori dal regno della meccanica quantistica e il principio di non contraddizione del buon Aristotele domina sovrano.

Cosa succede quando la realtà non è codificabile in questi due sistemi?

Multilabel Classification System

Un multilabel classifier produce multiple label binarie per ogni specifica classe. Un sistem simile è particolarmente utile nelle immagini, per l’identificazione dei volti.

Così un’immagine contiene i volti di Andrea, Chiara e Roberta [1,1,1], ma una seconda solo quelli di Andrea e Chiara [1,1,0]. Le classi sono tre e ogni istanza può allo stesso tempo avere più di una classe.

Un estratto di testo tratta di religione, politica e finanza ma non di tecnologia [1,1,1,0], mentre un altro solo di finanza e tencologia [0,0,1,1].

Generalmente la libreria Scikit-Learn gestisce questo sistema di classificatori attribuendo un ugual peso a ciascuna label. Spesso potrebbe capitare di voler aggirare questo comportamento specificando un peso, proporzionale al support, ossia le il numero complessivo d’istanze con quella particolare label.

Code da ricordare?

average="weighted"

Peraltro un multiclass classification system può essere convertito in un multilabel classification system.

Considera che esistono granchi di sesso maschile o femminili con esoscheletro blu o arancione.

Un multiclass classification system avrà 4 possibili classi e una sola classe finale

  • male-blue,
  • male-orange,
  • female-blue
  • female-orange

Mentre un multilabel classification system avrà 2 label possibili e 2 classi contemporanemaente:

  • male / female
  • orange / blue

Multioutput Classification System

Un multioutput-multiclass classification system, o multioutput classification è una generalizzazione del multilabel classification quando le classi per ciascuna label sono più di due (mutliclass label).

Un caldo abbraccio, Andrea.

No, questo contenuto è riservato.
Non ci puoi accedere

E’ destinato a una ristretta lista di persone motivate e intraprendenti.

E’ diritto esclusivo di sognatori e curiosi.

Come? Pensi di essere una di loro?

Dimostramelo…

accetto i noiosi termini e le condizioni

Written by Andrea Provino - Ottobre 2, 2019
Tags | data science, teoria

You Might Also Like

mean-shift-clustering-guida-italiano-spiegazione-semplice-algoritmo-di-clustering-esempio

Mean-Shift Clustering

Dicembre 3, 2020
test-chi-square-for-machine-learning-test-chi-quadrato-di-pearson-test-chi-quadro-pearson-data-science

Test chi quadrato di Pearson | Chi-Square Test for Machine Learning

Novembre 3, 2020

Mean Squared Error, Mean Absolute Error | TWS

Giugno 5, 2019
Next Post
Previous Post

Una pubblicità che non vedi se usi AdBlock

EXPAND YOUR KNOWLEDGE

  • Blockchain Developer

    Circuito aritmetico

    Novembre 1, 2022
  • machine-learning

    Un nuovo inizio

    Settembre 4, 2021
  • Zero Knwoledge Proof Article Privacy Preserving

    Zero Knowledge Proof: zk-SNARK e zk-STARK | Prova a conoscenza zero

    Luglio 8, 2021
  • oblivious-transfer-spiegazione-italiano-ot-explanation Privacy Preserving

    Oblivious Transfer (OT)

    Luglio 6, 2021
  • Aleo Studio Website Preview machine-learning

    Aleo Studio: un IDE per Zero-Knowledge Proofs Applications

    Luglio 1, 2021
  • privacy-enhancing-technologies-data-machine-learning-data-science Privacy Preserving

    Perché il Privacy Tech è un vantaggio competitivo micidiale

    Giugno 17, 2021
  • bloom-filter-spiegazione-italian Privacy Preserving

    Bloom Filter

    Giugno 3, 2021
  • trusted-execution-environment-tee-data-science-come-fuziona Data Science, Privacy Preserving

    Trusted Execution Environment | Cos’è un TEE?

    Giugno 2, 2021
  • Crypto Custody services machine-learning

    Crypto Custody: Guida alla custodia delle criptomonete

    Maggio 26, 2021
  • deep-q-learning-q-learning-reinforcement-learning machine-learning

    Deep Q-Learning

    Aprile 27, 2021

Quello che Google pensa ti possa piacere

Prodotti che i Cookie dicono potresti trovare interessanti

AI Blog - © 2019-2021 Andrea Provino