lightgbm中的多分类multiclass与multiclassova

hi我是菜鸟小明哥，之前的二分类领导说正例的P值太低，我也这么觉得，但正例少，加上权值weight调整也不行啊，肯定是这样的啊：对于一个分类器来说，如果正例少，那么将所有的分为负例，就已经能保证很高的ACC了，这时正例的R值为0（一个没查到），而P值为0/0，当考虑另一极端情况，就是将所有的都分为正例，此时R值为100%（即全都查到了），而P值则为正/(正+负)，[正，负代表样本实际标签]，而负例较多，P值就趋于0了，分类器训练结果肯定在这两种情况之中，那么R值越高，就可能将很多负例也分为了正例，这导致P值降低，这也是PR值一般此消彼长的缘故，但数据均衡的情况下，好的网络或分类器则可能都好。关于这种文字游戏详见此文。

For Recommendation in Deep learning QQ Group 102948747

For Visual in deep learning QQ Group 629530787

I'm he