从二分类到多分类

本文介绍了如何将多分类问题通过拆解法转化为多个二分类问题,包括一对一(OvO)、一对其余(OvR)和多对多(MvM)策略。特别地,详细探讨了纠错输出码(ECOC)方法,强调其纠错能力和对分类错误的容忍性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

从二分类到多分类,实际采用的是拆解法思想:将多分类问题拆分成许多二分类问题,为每一个二分类问题训练一个分类器。测试时,对这些分类器的结果进行集成,得到最终预测结果。

根据拆分策略不同,分为以下三类:

一对一(One vs. One, OvO)

训练:将N个类别两两配对,产生N(N−1)/2个二分类任务,每个任务使用一个二分类学习器进行学习;

测试:多个二分类学习器预测得到结果中,最多的类别作为最终的分类结果。

一对其余(One vs. Rest, OvR)

训练:每次将一个类别作为正例,其余其他类别样例均作为反例,产生N个二分类任务;

测试:若仅有一个分类器预测为正类,则属于该分类器所属类别。若有多个二分类器预测为正类,则通常考虑各分类器的预测置信度,选择置信度最大的类别作为分类结果。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值