집합 값 분류 - 통합된 프레임워크를 통한 개요

다중 클래스 분류 문제는 가장 인기 있고 잘 연구된 통계적 프레임워크 중 하나입니다. 현대의 다중 클래스 데이터셋은 매우 모호할 수 있으며, 단일 출력 예측은 만족스러운 성능을 제공하지 못합니다. 예측자가 레이블 후보 집합을 예측할 수 있도록 함으로써, 집합 값 분류는 이러한 모호성을 처리하는 자연스러운 방법을 제공합니다. 문헌에는 여러 집합 값 분류의 공식이 있으며, 각 공식은 서로 다른 예측 전략으로 이어집니다. 본 조사 연구는 통합 통계적 프레임워크를 사용하여 인기 있는 공식을 검토하는 것을 목표로 합니다. 제안된 프레임워크는 이전에 고려된 공식과 새로운 공식을 포함하며, 각 공식의 기본적인 상충 관계를 이해할 수 있게 합니다. 우리는 무한 샘플 최적 집합 값 분류 전략을 제공하고 데이터 기반 알고리즘을 구성하기 위한 일반적인 플러그인 원칙을 검토합니다. 이 설명은 이론적 및 실용적 기여를 위한 예시와 참고 자료로 뒷받침됩니다. 마지막으로, 우리는 실제 데이터셋에 대한 실험을 제공하여 이러한 접근 방식들을 비교하고 일반적인 실용적 가이드를 제공합니다.