机器学习之多分类学习

最新推荐文章于 2024-07-11 17:45:00 发布

chere幺幺

最新推荐文章于 2024-07-11 17:45:00 发布

阅读量1.5k

点赞数

分类专栏：机器学习文章标签：机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/Chere_xy/article/details/97797435

版权

机器学习专栏收录该内容

7 篇文章 0 订阅

订阅专栏

主要介绍拆分策略：

1. “一对一”（OvO）和“一对其余”（OvR）

“一对一”：将数据集中N个类别两两配对，从而产生N(N-1)/2个二分类任务。在测试阶段，新样本将同时提交给所有分类器，于是我们得到N(N-1)/2个分类结果，最终结果可通过投票产生：即把预测得最多的类别作为最终分类结果。

“一对其余”：每次将一个类的样例作为正例、所有其他类的样例作为反例来训练N个分类器。在测试时若仅有一个分类器预测为正类，则对应类别标记作为最终分类结果。
在这里插入图片描述

2. “多对多”（MvM）

在这里插入图片描述

参考文献
《机器学习》周志华著

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
机器学习之多分类学习

主要介绍拆分策略：1. “一对一”（OvO）和“一对其余”（OvR）“一对一”：将数据集中N个类别两两配对，从而产生N(N-1)/2个二分类任务。在测试阶段，新样本将同时提交给所有分类器，于是我们得到N(N-1)/2个分类结果，最终结果可通过投票产生：即把预测得最多的类别作为最终分类结果。“一对其余”：每次将一个类的样例作为正例、所有其他类的样例作为反例来训练N个分类器。在测试时若仅有一个分...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。