Wenn ich maschinelles Lernen sehe, speziell die Klassifikation, finde ich, dass einige Algorithmen entworfen sind, um zum Beispiel den Entscheidungsbaum zu klassifizieren, ohne die Betrachtung wie folgt zu klassifizieren:Gibt es einen Algorithmus, der bei der Auswahl einer speziellen Kategorie gut ist?
Für ein Zwei-Kategorien-Problem, Kategorie A und B, Leute sind an einem speziellen interessiert, zum Beispiel der Kategorie A. Für diesen Fall, nehmen wir an, dass wir 100 für A und 1000 für B haben. Eine gute Klassifikationsmethode kann ein Ergebnis haben, das 100A und 100B als Teil gemischt und vermißt hat 900B ein anderer Teil. Dies ist gut für die Klassifizierung. Aber gibt es einen Algorithmus, der zum Beispiel 50A und 5B zu einem Teil und 50A und 995B zu einem anderen Teil auswählen kann? Dies ist vielleicht nicht so gut wie eine Ansicht von Klassifizieren, aber wenn jemand an Kategorie A interessiert ist, denke ich, dass der nächste Algorithmus ein reineres A-Ergebnis geben kann, so dass es besser ist.
Kurz gesagt, es ist da ein Algorithmus kann eine spezielle Kategorie rein, nicht ohne Voreingenommenheit zu klassifizieren?
Wenn scikit-learn diesen Algorithmus enthalten hat, ist es besser.
Ich verdrahtete das, warum einige Leute dagegen sind? Ist der englische Grund oder diese Frage zu langweilig? –
die Frage überhaupt nicht verständlich ist – user2717954
zum Beispiel, Entscheidungsbaum kann Entropie verwenden, um Daten zu klassifizieren, aber es ist nicht der Meinung, dass Menschen eine spezielle Kategorie bevorzugen können. Vielleicht möchte jemand nur einen guten Algorithmus, um diese Kategorie auszuwählen. Ist das klar? –