ECOC

简述

全称纠错输出码（Error Correcting Output Code），用于多分类MvM。 此处使用样本来自 uci数据集

常用记号：

• k：纠错输出码长度（选择矩阵的行数/新生成的分类器数量）
• c：原始类数（选择矩阵的列数）
• label：原始类名集合

基本步骤：

1. 数据导入

导入数据集，进行基本处理

data_import.get_data(show=false) 如果show的值为true，则会print部分数据。

此处需要预留出validation set

2. 绘图观察

plot.plot(data, label1=0, label2=1)

其中label1和label2为绘制横纵坐标对应的变量

3. 标记

把几个类联合起来进行标记，分为正反两类，正类为1，反类为-1。

• 先生成一个k*c的每行随机0/1不相同的选择矩阵choice_matrix

此处采用生成二进制不重复随机数的方法

classifier.choice_matrix(label, k)
c = len(label)

• 按照选择矩阵把原始类归到新类中，索引分别为0/1

  classifier.classifier(data, label, k)

返回: 分类后的新数据（包含k个dict的list，每个dict的key为0/1），和选择矩阵（作为之前分类的依据）。
将此处选择矩阵的每一列中的0替换为-1后就是相应原始类的纠错输出码。

4. 循环

• 递归生成树

将数据集划分为3块

• train_set: 训练中计算熵（划分依据）
• test_set: 训练中计算精确度（预剪枝）
• validation_set: 计算该树的权重

选择最优划分属性

此样本中所有feature均为连续量。均匀选取1/10样本作为可能划分点，所有feature在使用【两次】之后被禁止使用。

• 左开右闭
• 计算熵：
  • trainer.compute_entropy(data: dict, m: int)
  • 返回按照此分类方式产生的熵
• 计算节点：
  • compute_node(info: dict, disabled_feature: list=[], nodes_num: int=2)->tuple
  • info 为dict，key为所分的类（后来分的类）；disabled_feature 为 list，代表不激活的 feature；nodes_num 为可能可以供选择的节点数量。
  • 返回节点信息 tuple(采用的feature，节点位置，熵)
• 预剪枝
  • 每一枝数据集足够小（减小欠拟合风险），且在测试集

5. 对于每一个新类，进行训练分类