多分类器-----Multiclass classification

本文介绍了如何用二分类解决多分类问题,包括one-versus-all (OVA) 和 one-versus-one (OVO) 方法。OVA策略通过预测概率避免分类器偏向负类,而OVO策略则通过分类器投票确定类别,但效率较低。
摘要由CSDN通过智能技术生成

之前讲过线性分类器可以解决二分类的问题。
那么对于多分类问题该如何解决呢?
这里写图片描述
一种思想是我们可以把多分类问题转化成多个二分类问题。也就是拿出一个类别与其他所有类别进行比较。比如上图我们可以把方块作为正类其他的作为父类进行判别。
这里写图片描述这里写图片描述这里写图片描述这里写图片描述
通过多个分类器我们就可以划分出多个类了。那么这种思想还不完善,存在什么问题呢?
对于某一些区域的点来说多个分类器都抢着说这是我的类,对于有的区域大家又都说不是我的类,那这又怎么去区分呢?
这里写图片描述
比如说对于上图的中心区域。那么我们这里使用softy分类器,也就是不直接指明属于哪个类而是预测一个概率,类似logistic分类器。我们说某一个点属于方块的概率是多少,属于菱形的概率是多少等等。这样我们就可以选择预测结果最大的那个类别了。

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