LightGBM的多分类或多标签分类

Question

我正在从事一个分类项目，其中一个结果可能属于多个类。例如，结果可能属于A类、B类和/或C类；例如，A、B、A&B、A&C、B&C等。然而，我想预测一种类的概率。例如，P(A)=包含A类的结果的概率；例如，Pr(A)+Pr(A&B)+Pr(A&C)+Pr(A&B&C)。

我更喜欢使用LightGBM。我的问题如下：

1. 对于LightGBM，结果类必须是互斥的吗？
2. 对于LightGBM，multiclass和multiclassova有什么区别？
3. 如果我将其建模为多标签分类（例如，N类）问题，是否相当于2^N多类分类，每个类都是N类的one-hot编码？

- David293836

Answer 1

这主要取决于你如何处理给定多类分类的概率。

例如，LGBM的.predict()方法返回在给定观测中可能发生的类别（最高概率），但如果你调用.predict_proba()方法，它将返回N个值（N为类别数）。

所以，如果你想实现非互斥的预测，我建议将每个预测与某个值进行比较，比如0.33，如果预测大于或等于该值，则分配相应的类别。

- Niqua