Früher stießen Sie auf binäre Klassifizierungsmodelle, die aus zwei möglichen Optionen auswählen konnten, z. B.:
Eine bestimmte E-Mail ist Spam oder kein Spam.
Ein bestimmter Tumor ist bösartig oder gutartig.
In diesem Modul untersuchen wir die Klassifizierung mit mehreren Klassen, wobei verschiedene Möglichkeiten zur Auswahl stehen. Beispiel:
Ist der Hund ein Bär, ein Bhut oder ein Bluthund?
Ist diese Blume eine sibirische Iris, die niederländische Iris, die Blaue Flaggen-Iris oder die Zwergbart-Iris?
Ist das ein Flugzeug Boeing 747, Airbus 320, Boeing 777 oder Embraer 190?
Ist das ein Bild von einem Apfel, Bär, Süßigkeit, Hund oder Ei?
Bei einigen realen Problemen mit mehreren Klassen müssen Millionen separate Klassen ausgewählt werden. Stellen Sie sich beispielsweise ein Klassifizierungsmodell mit mehreren Klassen vor, das das Bild so gut wie alles identifizieren kann.
Neuronale Netzwerke mit mehreren Klassen
Mehr als zwei Kurse?
Die logistische Regression bietet nützliche Wahrscheinlichkeiten für Probleme mit binären Klassen.