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](https://img-blog.csdnimg.cn/20190730170102387.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NoZXJlX3h5,size_16,color_FFFFFF,t_70)
2. “多对多”(MvM)
![在这里插入图片描述](https://img-blog.csdnimg.cn/20190730170345829.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NoZXJlX3h5,size_16,color_FFFFFF,t_70)
参考文献
《机器学习》 周志华著