رده بندی چندگانه

در یادگیری ماشین و طبقه بندی آماری، مساله ی افراز داده ها به سه رده یا بیش تر را رده بندی چندگانه یا طبقه بندی چنددسته ای یا دسته بندی چندجمله ای می نامند ( افراز داده ها به دو رده رده بندی دوگانه نامیده می شود ) .
بسیاری از الگوریتم های رده بندی به طور ذاتی می توانند برای رده بندی چندگانه هم استفاده شوند. به طور مثال، رگرسیون لجستیک چندجمله ای چنین الگوریتمی است. با این حال، الگوریتم هایی هم وجود دارند که ذاتاً دوگانه هستند و برای استفاده از آن ها در رده بندی چندگانه، باید به روش هایی مساله را به حالت دوگانه تبدیل کنیم[ ۱] .
توجه کنید که مساله ی دسته بندی با چند برچسب که در آن هدف تعیین چند برچسب برای هر داده است با این مساله متفاوت است و در اینجا هر داده می تواند دقیقا در یک رده قرار گیرد.
برخی از الگوریتم های موجود برای حل مساله ی رده بندی دوگانه به گونه ای هستند که می توان چارچوب طبیعی آن ها را به گونه ای گسترش داد که بتوانند برای رده بندی چندگانه هم مورد استفاده قرار بگیرند. این موضوع شامل مواردی مانند شبکه های عصبی، درخت تصمیم، k نزدیک ترین همسایه، بیز ساده و ماشین بردار پشتیبانی می شود[ ۱] .
مساله ی رده بندی چندگانه را می توان با روش هایی به چند زیرمساله ی رده بندی دوگانه شکست و پس از حل آن ها با الگوریتم های موجود برای رده بندی دو گانه، پاسخ ها را با هم ترکیب کرد تا یک پاسخ نهایی به دست بیاید. روش یکی علیه دیگران ( one - against - all ) و روش یک به یک ( one - against - one ) دو روش مرسوم برای این کار هستند[ ۲] .
ابزارها و معیارهای گوناگونی برای ارزیابی روش های رده بندی چندگانه به کار می روند که ماتریس درهم ریختگی یکی از این ابزارها و معیارهای صحت، دقت و بازیابی و امتیاز اف ۱ چند نمونه از این معیارها هستند[ ۳] .