• 🏡 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

lasso-regression-least-absolute-shirnkage-and-selection-operator-data-science-machine-learning-guida-italiano-ridge-regression-elasticnet-lasso-regression-python

LASSO Regression | Italiano

Dicembre 4, 2019
ridge-regression-machine-learning-cross-validation-grid-search-data-science-data-scientist-course-italiano

Ridge Regression

Novembre 6, 2019

Scikit-Learn Design Principles Guida | Data Science con Python

Settembre 25, 2019
Next Post
Previous Post

Una pubblicità che non vedi se usi AdBlock

EXPAND YOUR KNOWLEDGE

  • rust-react-webassembly-privacy-preserving-machine-learning Logs

    Rust, WebAssembly, React e un MVP

    Dicembre 21, 2020
  • diffie-hellman-key-exchange-protocol-scambio-di-chiavi-diffie-hellman Data Science, Privacy Preserving

    Cos’è lo scambio di chiavi Diffie-Hellman (DH)? | Privacy Preserving

    Dicembre 15, 2020
  • principio-di-esattezza-data-science-machine-learning-gdpr-data-accuracy Data Science, GDPR Compliant

    GDPR: Principio di esattezza dei dati (Data Accuracy)

    Dicembre 12, 2020
  • tensorflow-extended-tfx-deploy-machine-learning-guide-machine-learning-pipelines machine-learning

    TFX: come funziona Tensorflow Extended?

    Dicembre 9, 2020
  • tensorflow-extended-tfx-deploy-machine-learning-guide-machine-learning-pipelines machine-learning

    TensorFlow Extended (TFX) | Production Machine Learning Pipeline

    Dicembre 6, 2020
  • mean-shift-clustering-guida-italiano-spiegazione-semplice-algoritmo-di-clustering-esempio Data Science

    Mean-Shift Clustering

    Dicembre 3, 2020
  • data-minimization-principle-gdpr-principio-minimizzazione-dati-personali-gdpr-italia-consulenza-spiegazione-semplice Data Science, GDPR Compliant

    GDPR: Principio di minimizzazione dei dati (Data minimization)

    Dicembre 1, 2020
  • machine-learning-for-finance-trading-online-data-science-deep-learning-intelligenza-artificiale AI, machine-learning

    FinTech: Machine Learning for Finance (FinML) | Guide e Risorse di qualità

    Novembre 29, 2020
  • gdpr-principio-di-limitazione-della-finalita-machine-learning-data-science-guida-prupose-limitation-gdpr Data Science, GDPR Compliant

    GDPR: Principio di Limitazione della finalità | Purpose Limitation

    Novembre 26, 2020
  • machine-learning-engineer-lavoro-stipendio-responsabilità-come-diventare AI, Business, machine-learning

    Machine Learning Engineer

    Novembre 23, 2020

Quello che Google pensa ti possa piacere

Prodotti che i Cookie dicono potresti trovare interessanti

AI Blog - © 2019-2021 Andrea Provino