本文探讨了如何处理多分类问题，通过将问题转化为多个二分类任务来解决。以图形分类为例，利用三个分类器分别识别正方形、三角形和叉叉。每个分类器将样本分为两类，训练后对测试集进行分类。最终，通过比较各分类器的输出概率，选取概率最大的类别作为样本的最终标签。这一方法基于逻辑回归的似然函数，选取最大似然概率的分类结果。
之前已近了解了二分类问题。这比较好理解，即一个样本的标签不是0就是1。
问题：对于多分类的情况该怎么办？
例：分辨图形
如上图，规定： 正方形为1，三角形为2，叉叉为3。这显然是一个一对多的分类问题。其结果输出有 y=1，y=2，y=3。
思路：将问题转化为求多个 二分类的问题（不是0就是1）。
如右边的上方第一个图，这是拟合的第一个分类器。在这个分类器中，三角形是正样本，圆形为负样本，即设置三角形的值为1，圆形为0。下面两张图依此类推。
于是就有了三个分类器，现在对于三个分类器运行输入X，然后选择 h 最大的类别。也就是选择分类器，现有一个样本X，将X带入三个分类器中，选择出结果概率最大的那个分类器。
对于每一个分类器的训练集
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
