本文介绍了在实际工程中广泛应用的scikit-learn多类（Multiclass）和多标签（Multilabel）算法，包括Naive Bayes、LDA、决策树、随机森林、最近邻等。尽管许多分类器默认支持多类分类，但了解这些策略有助于更好地理解和定制分类行为。此外，还区分了Multiclass、Multilabel以及Multioutput-multiclass三种不同的分类问题。
http://scikit-learn.org/stable/modules/multiclass.html
在实际项目中，我们真的很少用到那些简单的模型，比如LR、kNN、NB等，虽然经典，但在工程中确实不实用。
今天我们关注在工程中用的相对较多的 Multiclass and multilabel algorithms。
warning：scikit-learn的所有分类器都是可以do multiclass classification out-of-the-box（可直接使用），所以没必要使用本节介绍的 sklearn.multiclass module，这里只是讲些知识点。
Below is a summary of the classifiers supported by scikit-learn grouped by strategy; you don’t need the meta-estimators in this class if you’re using one of these unless you want custom multiclass behavior:
- Inherently multiclass:
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
