分类时一定只进行分类吗？

产生这个疑问主要两个来源于两个切身体会。

来源一

最近做一个项目过程中，遇到一个问题。由于实验室条件的缘故，对于某指标的检测只能在某个水平上检测出来，比如指标值为50以上才能有显示，于是实验人员会根据检测结果（一次检测会有多个位点的值测出来）来标注结果中是否存在缺失，他们的目的是想确定下在不同的水平下，缺失概率是多少？检测水平多少比较经济、合适？因为在50的时候，他们还需要去掉许多背景噪音，工作量大，想不做那么严格控制。对于这个问题，细抠起来想建好模其实还比较麻烦。不过我的疑问不在这里，而是在于由于不同实验室实验仪器和操作水平不同，阈值水平不一样，即使建模所得的结果，也是针对不同实验室得出来的结论。而造成这个结果不同的主要原因就是因为人为划分的阈值水平不同，导致类别结果不同。换句话说，我分类、打的标签不同，你建模的结果就会大不一样。同一批数据，我选择阈值不同，缺失的结果就不一样，所以我觉得挺难去确定一个适用于绝大多数实验室的阈值。

来源二

我经常会这么调侃别人，让别人猜我来自哪里？一般人会这么猜：“听你的口音，应该像个南方人，湖南？四川？湖北？”待我不停摇摇头后，可能又会猜，“不会是山西、山东吧？听着不像北方人啊？” 一般我都会一直在那里笑嘻嘻的坐等他们瞎猜，然后很自豪的告诉他们，“不南不北，乃中原信阳人士也”。因为信阳恰好在淮河流域上，我们稍微往北一个县就不种水稻、种麦子、吃馒头，而稍微南方一点就基本就是水稻、吃大米之流。所以基本上想以南北方的分类模式来给我分类，基本都会错。所以我干脆每次都不会说我是属于北方或者南方的河南，而是说我是中原人，多加一个类别。

因此，我突然有了这么个疑问：在分类过程中，我们一定要构建某些模型，在已经打好标签的分类上做精确的分类么？我们一定在原有的基础上训练集上做很好的分类，学习（learn）特征，然后对其他东西做分类么？构建分类模型，总是有个分类误差的界的。这种不可避免的误差是随机因素，还是因为本身我们定义类别的时候就不是那么完整呢？贴错标签，一失足成千古恨...

我想，最初给出这些类别的时候，其实我们一般都是仅仅根据几个特征来标定每个个体属于哪一类的，这个时候就已经为后面分类模型建模埋下了“祸根”。分类的界限，阈值的选取，很多时候在定义类别时，我们大脑本身并不是那么精确，甚至有些随意。所以很多时候在聚类完后来给无标签的物体打标签，其实就已经蕴藏了蛮大风险。既然如此，我们可不可以在分类的同时，对那些分类错误，或者基本就处在分类边界上的点（塞给哪边都有点不合适）重新定义一个类别呢？就和我不说我是南方人或者北方人，而说我是中原人一样呢？（下图来源于@roadstat同学的微博图册）

此图来源于@roadstat同学的SVM结果

所以我想，在分类的时候，我们在已有的类别上学习（learn）的特别好的同时，可不可以创造（create）新的类别去囊括最初我们没有发现的美好呢？即使这样的后果会导致类别越来越多，很多类别类别无法定义，甚至类别数目随着个体增加而发散，但是此时，起码我们不会因为最初粗糙（拍脑袋）的分类定义而硬生生的要将一些模糊的点分到Class 1、Class2、Class 3...中去。

换句话说，我相信那些经历风雨洗礼的经典分类器的能力，而怀疑最初那群给我们划分类别的人是否有个明确的分类定义，很多时候，人眼细细看也无法看出（自然学习能力有限）类别差异，还想要机器做那么好，那它不也还是在猜么？

所以我觉得，其实还是有很多概念间的层级关系我们并没有弄清楚。我并不期待仅对某几个大类学习几个重要的特征出来，反而更期待如何更精细化的建模，对错误的个体重新合理定义。如何构建出一个更为智能、自适应性的分类器（或者说特征学习器），我想应该会比在几个来历不明的类别上硬磕、硬建模可能更加有惊喜！难道目前的Deep Learning是一个希望？不过太黑匣子了，虽然可以从一个母体上逐渐衍伸出其他类别，不过我这种没有切实经过工程训练的人，更希望有能有一个更为简洁的框架来处理问题。

P.S. 纯属瞎想，欢迎一起瞎想...