Logical Analysis of Multi-Class Data

Abstract

Abstract. Logical Analysis of Data (LAD) is a two-class learning algorithm which integrates principles of combinatorics, optimization, and the theory of Boolean functions. This paper proposes an algorithm based on mixed integer linear programming to extend the LAD methodology to solve multi-class classification problems, where One-vs-All (OvA) learning models are efficiently constructed to classify observations in predefined classes. The utility of the proposed approach is demonstrated through experiments on multi-class benchmark datasets.

Resumen. El análisis lógico de datos (LAD) es un algoritmo de aprendizaje de dos clases que integra principios de combinatoria, optimización y teoría de funciones booleanas. Este artículo propone un algoritmo basado en programación lineal entera mixta para extender la metodología LAD para resolver problemas de clasificación de clases múltiples, donde se construyen eficientemente modelos de aprendizaje uno contra todos (OvA) para clasificar observaciones en clases predefinidas. La utilidad del enfoque propuesto se demuestra a través de experimentos con conjuntos de datos de referencia de múltiples clases.