这篇博客探讨了如何利用二分类学习器解决多分类问题，介绍了三种拆分策略：一对一、一对其余和多对多。一对一策略通过两两配对进行预测并投票决定最终分类；一对其余策略则将样本与所有其他类比较，选择最自信的分类；多对多策略则涉及更复杂的正负类组合。这些方法在实际应用中各有优劣，可以根据具体任务需求选择合适的策略。
利用二分类学习器解决多分类问题
拆分策略
（1）一对一
拆分阶段，N个类两两配对，共N（N-1)/2个二类任务，学习N(N-1)/2个二分类器。
测试阶段，首先将待测样本提交给所有二分类器预测，得到N(N-1)/2个分类结果，然后投票产生最终的分类结果。即被预测最多的类标记作为最终的分类结果。
（2）一对其余
拆分阶段，分别将原始的N个类别中某一类作为正例，其余类作为反例，学习N个二类分类器
测试阶段，将待测样本提交给所有的分类器预测，得到N个分类结果。若仅有一个分类器预测为正类，则对应类别为最终的分类结果。但如果有多个分类器预测为正类，选择置信度最大的类别作为最终的分类结果。
（3）多对多
拆分阶段，每次随即将若干类作为正类，其余类作为反类
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
