我们提出了一种新颖的有监督的多类/单标签分类器，该分类器将训练数据映射到具有类似单纯形的几何形状的线性可分离的潜在空间。这种方法使我们能够将分类问题转化为定义明确的回归问题。对于其解决方案，我们可以在特征空间中选择合适的距离度量，并选择预测潜在空间坐标的回归模型。使用各种人工和现实数据集上的基准来证明我们分类器的校准质量和预测性能。



"点击查看英文标题和摘要"