Vowpal Wabbit 多类线性分类
Vowpal Wabbit Multiclass Linear Classification
是否可以使用 Vowpal Wabbit 库训练多class（多项式）线性 class化模型？
我尝试将 --oaa 与 --loss_function 平方一起使用，但似乎 --oaa 的默认损失函数是逻辑损失函数。
我正在使用 rcv1.multiclass 作为输入。
一个解决方案：
我可以创建多个版本的数据如下：
版本 i：将所有标签设为零，除了 class I
然后我可以为每个版本的数据训练多个二进制 classifications。最后，我可以将测试数据提供给所有 classifier 并应用 argmax。有更好的（自动化）解决方案吗？
当你使用vw --oaa N时，你实际上会得到一个linear N-class classifier。要获得非线性 classifier，您需要添加 quadratic/polynomial 特征（-q、--cubic、--interactions）或内核（--ksvm ) 或隐藏层 (--nn) 或任何其他非线性缩减 (--lrq, --stage_poly, --autolink).
损失函数的选择不影响classifier是否是线性的。默认值为 --loss_function=squared。对于 class化，我建议使用 --loss_function=logistic（如果你想预测每个 class 的概率，可以使用 --probabilities）或 --loss_function=hinge（如果你关心仅在顶部 class).
Then I can train multiple binary classifications for each version of data. Finally, I can feed the test data to all the classifier and apply an argmax. Is there any better (automated) solution?
是的，这正是 --oaa 所做的（但效率更高）。
是否可以使用 Vowpal Wabbit 库训练多class（多项式）线性 class化模型？
我尝试将 --oaa 与 --loss_function 平方一起使用，但似乎 --oaa 的默认损失函数是逻辑损失函数。
我正在使用 rcv1.multiclass 作为输入。
一个解决方案：
我可以创建多个版本的数据如下：
版本 i：将所有标签设为零，除了 class I
然后我可以为每个版本的数据训练多个二进制 classifications。最后，我可以将测试数据提供给所有 classifier 并应用 argmax。有更好的（自动化）解决方案吗？
当你使用vw --oaa N时，你实际上会得到一个linear N-class classifier。要获得非线性 classifier，您需要添加 quadratic/polynomial 特征（-q、--cubic、--interactions）或内核（--ksvm ) 或隐藏层 (--nn) 或任何其他非线性缩减 (--lrq, --stage_poly, --autolink).
损失函数的选择不影响classifier是否是线性的。默认值为 --loss_function=squared。对于 class化，我建议使用 --loss_function=logistic（如果你想预测每个 class 的概率，可以使用 --probabilities）或 --loss_function=hinge（如果你关心仅在顶部 class).
Then I can train multiple binary classifications for each version of data. Finally, I can feed the test data to all the classifier and apply an argmax. Is there any better (automated) solution?
是的，这正是 --oaa 所做的（但效率更高）。