ECT和Filter树（仅当您有大量输出标签（类）时才有用），例如N = 1000。使用OAA（相对于所有），这意味着每个示例都需要执行N个二进制分类任务（在培训和测试期间）。使用ECT，您可以使预测更快：log（N）。您可以将过滤树（这是ECT的基础）想象为决策树，其中在每个节点中询问示例是属于一组标签还是属于另一组标签（使用所有功能，与原始决策树不同）。
通常，ECT（在丢失或准确性方面）比OAA差（但在某些情况下，它可能与OAA几乎一样好）。对于N = 10的标签，您应该首先尝试OAA。当N> 1000时，OAA太慢（甚至精度也很低），您应该尝试ECT（如果可以预选与每个示例相关的较小数量的标签，则可以尝试ECT--log_multi或--csoaa_ldfVW）。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句