多类别分类问题在机器学习领域吸引了很多关注，传统的解决方案倾向于将其变为多个二元问题，相应的策略包括决策树、神经网络等等。本文被PRICAI 2016大会收录，提出了一种最大间距二叉树纠错输出码，对应的编码矩阵更加稳定和易识别。
标题：最大间距二叉树纠错输出码
摘要：编码是纠错输出码（ECOCs）中最重要的一步。传统的编码策略通常与数据无关。最近，提出的一些树形编码算法率先利用交互信息预估类间可分性，将二叉树自上而下分层分区，以获得一个编码矩阵。但这些标准通常是由一个非参数方法计算得到，一般来说需要大量样本，而且更可能产生不稳定的结果。本文中，我们提出了一种新颖的编码算法，它利用类间最大间距为基准，构造了一个基于最大间距、自底向上的二叉树。因此，相应的编码矩阵在之后的分类中更加稳定和易识别。实验结果表明在ECOC中，我们的算法比一些最先进的编码算法性能更好。
关键词：多类别分类；最大间距二叉树；纠错输出编码
第一作者简介：
Fa Zheng
东南大学计算机系，教育部计算机网络与信息集成重点实验室。
via PRICAI 2016
论文原文下载
雷锋网(公众号：雷锋网)按: 本文由雷锋网独家编译，未经许可禁止转载！
本文作者：陈杨英杰
本文转自雷锋网禁止二次转载，原文链接
相关资源：FormattingGuidelines-IJCAI-PRICAI-20.zip