SVM多分类

SVMs(Surport Vector Machines)是用来解决两分类问题的,直接用SVMs实现多分类是不行的,只能使用下面这些间接的方法:

(1)1-v-r,即对于每一个分类,训练一个该分类和其他分类的分类器,如对于类k,k是一类,所有其他的是另一类,这样就需要训练k个分类器。对未知样本分类时,哪个分类器的函数值最大,就属于哪一个类。

(2)1-v-1,对于每两个类之间都训练一个分类器,如果有n个类,就需要n(n-1)/2个分类器。对未知样本分类时,一次用这n(n-1)/2个分类器分类,属于一个类就+1,最后得分最高的是哪个类,就作为最终的分类结果。

(3)有向无环图(DAG),和1-v-1类似,也需要训练n(n-1)/2个分类器,区别就在于这些分类器构成了一个有向无环图,对未知样本分类时,减少了用来判断的分类器的数量,但是仍然需要训练n(n-1)/2个分类器。

(4)纠错编码。

(5)层次SVMs。

(4)和(5)也是很复杂的,总之用SVMs来实现多分类是很复杂的。

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