Walsh sequences as direct Error Correcting Output Code dichotomies for multiclass problems

Share

Abstract

Resolver problemas de clasificación multiclase mediante esquemas de Código de Salida con Corrección de Errores (ECOC) ofrece flexibilidad y robustez, pero los enfoques tradicionales basados en secuencias de Rademacher sufren un aumento exponencial de dicotomías con el número de clases. Este artículo presenta dos contribuciones principales. Primero, proponemos el uso de secuencias de Walsh para construir directamente dicotomías ECOC, permitiendo abordar problemas multiclase con C clases utilizando solo C−1 clasificadores, preservando altas distancias de Hamming por pares entre los códigos de clase (C2). Segundo, presentamos un método fundamentado para estimar las probabilidades posteriores de clase a partir de las salidas de clasificadores discriminativos entrenados con divergencias de Bregman. Esto proporciona una alternativa a la decodificación de Hamming, mejora la estimación de confianza y evita la inversión de matrices gracias a la ortogonalidad de los códigos de Walsh. Los resultados experimentales en cinco conjuntos de datos multiclase —incluyendo Fashion-MNIST, Letter Recognition y Vowel— demuestran mejoras consistentes en la precisión de clasificación (por ejemplo, una reducción del error del 5% en el conjunto Letter) y en la eficiencia computacional frente a métodos de referencia como OvR y ECOC-Rademacher. El rendimiento se evaluó mediante precisión de clasificación estándar y matrices de confusión, validando las ventajas de nuestro enfoque tanto en rendimiento predictivo como en escalabilidad. [Traducción automática al español; idioma original: inglés.]