一个多标签分类器或每种标签的一个分类器？

Question

假设我需要与Scikit-learn进行分类，因此，如果我希望我的分类器能够通过街道名称和帖子/邮政编码对地址进行分类，请使用Onevsrest分类器，或将它们分成两个不同的分类器（对于相同的训练集）？

我已经尝试了两者，而且似乎拥有多个分类器可能是一个更好的选择，因为训练多个较小的分类器感觉更快。这是应该做的吗？

Answer 1

两种方式都是有效的，两者均通常使用。有时，声称自己是多标签的分类器可能只是将标签分为多个Onevsrest分类器，并在最后方便地将结果连接在一起。

但是，在某些情况下，方法根本不同。例如，在训练具有多个目标（标签）的神经网中，您可以设置网络的结构，从而有共享的结构。共享节点最终将学习对所有目标有用的学习功能，这可能非常有用。

例如，如果您的课程（标签）是“ cat-pet”，“ cat-big”和“ dog”，则可能需要一种算法，该算法首先学会区分任何猫和任何狗，然后在后来的步骤学会将猫分开与大猫（如狮子一样！）分开。这称为层次结构，如果您的分类器可以利用层次结构，则可以获得更好的准确性。但是，如果您的课程完全独立，则可能没有任何区别。

我建议您从最简单的方法开始（即Onevsrest），然后看看性能是否适合您的需求，然后仅一旦您需要更好的性能就可以移动更复杂的方法（多标记，分层方法等）。