超级会员免费看
本文介绍了OVR（One-vs-Rest）策略用于将多分类问题转换为二分类问题，特别是在逻辑回归中的应用。通过Python的sklearn库展示了如何使用LogisticRegression进行OVR分类，并用鸢尾花数据集进行训练和测试，计算了模型的准确率，并进行了概率预测。
首先我们来看一下什么是OVR分类.我们知道sigmoid函数可以用来进行二分类,那么多分类怎么实现呢?其中一个方法就是使用OVR进行把多分类转换成二分类进行计算.
OVR，全称One-vs-Rest，是一种将多分类问题转化为多个二分类子问题的策略。在这种策略中，多分类问题被分解为若干个二分类问题。例如，如果有K个类别需要分类，则会有K个二分类器，每个分类器只负责判断某一个类别与其他所有类别的区别。这种方法常用于逻辑回归等算法解决多分类问题。
OvR是一种二分类策略，即一对剩余（One Vs Rest）。当要对n种类别的样本进行分类时，分别取一种样本作为一类，将剩余的所有类型的样本看做另一类，这样就形成了n个二分类问题。在训练阶段，需要将数据集划分为n个二分类数据集，分别训练二分类分类器。在测试阶段，对测试样本进行n个二分类任务，每个任务对应一个分类器，计算对应类别的概率值，最后选择概率值最大的类别作为最终测试样本的类别。
我们看一下如何用代码实现
import numpy as np 导入数学计算包
from sklearn.linear_model import LogisticRegression 导入逻辑回归
from sklearn import datasets 导入数据集
from sklearn. model selection import train_test_
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
