Использование регрессии вместо классификации для мультиклассовой классификации

Question

У меня есть проблема классификации нескольких классов. Я использую случайный лесной классификатор. Мой босс спросил, возможно ли также рассмотреть нашу проблему с регрессией. Я понимаю, что для задачи классификации, конечно, лучше использовать классификатор, но возможно ли реализовать модель регрессии.

Мои данные таковы:

У меня есть набор данныхсостоящие из требований к программному обеспечению, они оцениваются как 1, 2, 3, 4 или 5.

Затем я создаю матрицу функций, которую можно использовать для обучения модели прогнозированию класса, с 10 функциями, такими какas: num_words, num_sentences, num_syllables, weak_words, flesh_idx и т. д.

Моя модель работает довольно хорошо с точностью 93%.

Есть ли способ просмотра этой проблемы с помощью регрессии? Так, что модель будет делать прогнозы, например, например, 1,5, где прогноз не попадает в класс 1 или 2, а где-то посередине? Или, может быть, 2,2, 3,3 и т. Д., А не 1, 2, 3, 4 или 5?

Думаю, причина в том, чтобы просто посмотреть, сможем ли мы постоянно видеть оценки требований к программному обеспечению.

Answer 1

Способ использования регрессии в задачах классификации - с помощью логистических регрессий. Вы можете использовать это индивидуально, чтобы классифицировать 1 против не 1, 2 против не 2 и так далее для каждой классификации (не делайте этого), или использовать Softmax, который простыми словами взвешивает каждый класс и возвращает вероятность для каждого данного класса, тогда вы просто выбираете тот с вероятностью max, и это будет ваш предсказанный класс. Есть много нейронных сетей, которые используют softmax при работе с классификацией мульт-классов. Вот отличная статья из scikit-learn's документации: https://scikit -learn.org / stable / modules / neural_networks_supervised.html

Answer 2

попробуйте регрессию Softmax (или полиномиальную логистическую регрессию) с mxnet или с тензорным потоком