Multilabel 模式：Machine Learning Design Patterns #6

本文為機器學習系統設計的好書 Machine Learning Design Patterns 中介紹的第六個模式：Multilabel pattern 的筆記。這跟一般常見的 multiclass classification 不一樣的是 multiclass classification 的結果只會被分到一個類別，並且如果用 softmax 的話所有類別的機率相加為一；而 multilabel classification 會被分到多個類別。常見的例子像是幫一篇文章標上數個標籤，或者預測一個人未來不同慢性病的患病機率等等。

如何實作 multilabel classification?

在網路模型的最後一層用 sigmoid 就能讓產生對於每個分類的機率。

其他設計的考量 

• 如果只有兩個分類的話，實作 binary classification 可以用一個 sigmoid 或是 softmax 來得到兩個相加為一的機率。
• 設定一個 threshold，只要機率大於此 threshold 就可以判定輸入是此分類。
• 跟 multiclass classification 一樣要確定每個 label 的資料數目是差不多的。
• Hierarchical labels：一般可以用兩種方法來實作
• Flat labels：將不同等級的 label 都合在一起，用 multilabel 來產生結果。
• Cascade design pattern：用不同的模型來判定不同等級的 label。
  
• Multilabel pattern 可以用來處理當一張圖片內有多個物體的情形，而不同 labelers 可能會標上不同的 label。