本文探讨了逻辑回归在多分类问题中的应用，包括一对一、一对多和多对多策略，并对比了它们的优缺点。同时，介绍了过拟合问题及其解决方法，如特征选择和正则化，并讨论了类别不平衡问题的处理策略，如欠采样、过采样和再缩放。
多分类学习
现实生活中常遇到很多多分类学习任务，有些二分类学习方法可以直接推广到多分类，但在现实更多情形下，我们是基于一些策略，利用二分类学习器来解决多分类问题。
利用二分类学习器进行的多分类学习可以分为三种策略：
- 一对一 （One vs One）
- 一对其余 （One vs Rest）
- 多对多 （Many vs Many）
一对一 （One vs One）
给定数据集 D=(x1,y1),(x2,y2)...,(xm,ym) D = ( x 1 , y 1 ) , ( x 2 , y 2 ) . . . , ( x m , y m ) ， y
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
