分類是指解決預測樣本所屬類別的一類問題，即對於給定樣本x，輸出x所屬的類別。
當供選擇的類別只有2個時，稱為二分類，反之稱為多分類。而多分類的問題也可以通過二分類來解決。具體來說包含one-vs-one和one-vs-rest兩種方案。
- one-vs-one：進行多輪的二分類，每次比較兩個不同的分類，枚舉所有的所有的兩個分類的組合；理想情況下應該有且僅有一個類別在每一次比較中都被選中，成為預測結果。
- one-vs-rest：進行多輪的二分類，每次比較某個類別和非該類別，枚舉所有的類別；理想情況下應該有一個類別被模型賦予的費數是最高的，成為預測結果。
由此可見，只要有效實現了二分類，就可以應用於多分類的結果。
在NLP領域，分類問題的應用包括：
- 本文分類：天然的分類問題
- 新詞發現、關鍵詞提取：判斷每個單詞是否屬於新詞或關鍵詞
- 指代消解：判斷每個代詞是否和實體存在指代關係
- 近義詞替換：判斷兩個單詞是否是近義詞可以替換
- 語言模型：語言模型中，也可以將每個單詞視作一個類別，給定上文預測接下來要出現的單詞。
學習參考文獻：《自然語言處理入門》(何晗)：5.1
分享到:
閱讀更多 數據藝術家 的文章
