SciKit을 사용한 다중 레이블 분류 단순 레이블 대신 학습 및 확률

Question

3D 이미지 집합 (MRI)을 분류하고 싶습니다. 4 가지 등급 (질병 A, B, C, D의 등급)이 있는데, 4 가지 등급의 차이는 사소한 것이 아니므로 교육용 데이터의 라벨은 이미지 당 하나의 클래스가 아닙니다. 그것은 4 가지 확률의 집합입니다.

0.7 0.1 0.05 0.15 
0.35 0.2 0.45 0.0 
... 

는 ... 기본적

• 첫번째 이미지는 15 %
5 %와 D로, 70 %의 확률, 클래스 B 10 %로 클래스 A에 C를 속하는 것을 의미
• 등, 나는 당신이 아이디어를 얻을 것이라고 확신합니다.

scikit-learn 분류기는 교육 데이터 당 레이블 하나만을 요구하기 때문에 이러한 레이블이있는 모델을 맞추는 방법을 이해하지 못합니다. 확률이 가장 높은 클래스 만 사용하면 비참한 결과가 발생합니다.

scikit-learn multilabel 분류 (및 방법)로 모델을 훈련시킬 수 있습니까?

참고 :

• 특징 추출은 문제가되지 않습니다.
• 예측에 문제가 없습니다.

Answer 1

나는 multilable 분류 프레임 워크를 어떻게 든이 문제를 해결할 수 있습니까? 각 등급 A에 대한 확률을 반환 할 predict_proba 들어

는, B는 C가 D는 분류기 이미지 당 하나 라벨 훈련되어야한다.

예인 경우 : 어떻게?

이미지 클래스를 교육 세트의 레이블 (Y)로 사용하십시오. F# 각 이미지와 Y 당 기능입니다

F1 F2 F3 F4 Y 

1 0 1 0 A 
0 1 1 1 B 
1 0 0 0 C 
0 0 0 1 D 
(...) 

의사에 의해 분류로 클래스입니다 : 그것은 당신의 입력 데이터 세트는 다음과 같이 보일 것입니다.

그렇지 않은 경우 : 다른 방법은? Multiclass and multilabel algorithms에 설명 된대로 이미지 당 한 개 이상의 라벨을 가지고있는 경우를 들어

, 즉 다수의 잠재적 인 클래스 나 각각의 확률이다, 다중 레벨 모델은 더 적절한 선택이 될 수 있습니다.