[DataAnalysis]机器学习中如何用二分类学习器解决多分类问题

一、问题概述

考虑N个类别C_1,C_2,...C_N。多分类问题的基本思路是“拆解法”,将多分类任务拆为若干个二分类任务求解。经典的拆分策略有三种:一对多、一对其余和多对多。

二、拆分方法

1、OVO,one -vs- one

N个类别两两配对,形成N(N-1)/2个二分类任务。在测试阶段,新样本被提交给所有二分类器,然后我们将得到N(N-1)/2个分类结果,最终结果可通过投票产生:即把被预测得最多的类别作为最终分类结果。

2、OVR,one -vs- rest

将一个类的样例作为正例,其他所有类的样例最为反例来训练N个二分类器。然后选择置信度最大的类别作为分类结果。

3、MVM

每次训练时将若干个类作为正例,若干个类作为反例。上述两种都是MVM的特例,MVM的正反类构造必须有特殊的设计,不能随意选取。

猜你喜欢

转载自blog.csdn.net/TOMOCAT/article/details/82113770