多類别分類問題在機器學習領域吸引了很多關注，傳統的解決方案傾向于将其變為多個二進制問題，相應的政策包括決策樹、神經網絡等等。本文被pricai 2016大會收錄，提出了一種最大間距二叉樹糾錯輸出碼，對應的編碼矩陣更加穩定和易識别。
标題：最大間距二叉樹糾錯輸出碼
摘要：編碼是糾錯輸出碼（ecocs）中最重要的一步。傳統的編碼政策通常與資料無關。最近，提出的一些樹形編碼算法率先利用互動資訊預估類間可分性，将二叉樹自上而下分層分區，以獲得一個編碼矩陣。但這些标準通常是由一個非參數方法計算得到，一般來說需要大量樣本，而且更可能産生不穩定的結果。本文中，我們提出了一種新穎的編碼算法，它利用類間最大間距為基準，構造了一個基于最大間距、自底向上的二叉樹。是以，相應的編碼矩陣在之後的分類中更加穩定和易識别。實驗結果表明在ecoc中，我們的算法比一些最先進的編碼算法性能更好。
關鍵詞：多類别分類；最大間距二叉樹；糾錯輸出編碼
第一作者簡介：
fa zheng
東南大學計算機系，教育部計算機網絡與資訊內建重點實驗室。
via pricai 2016
<a href="https://pan.baidu.com/s/1i5pzzct" target="_blank">論文原文下載下傳</a>
雷鋒網(公衆号：雷鋒網)按: 本文由雷鋒網獨家編譯，未經許可禁止轉載！
本文作者：陳楊英傑