机器学习之多分类学习
【简介】
在现实生活中,很多问题并非“非黑即白”的问题,而是可以分为多个不同的类别,这些问题可以视为多分类学习任务。
多分类学习任务可以基于二分类算法进行推广后解决。有些二分类算法可以直接推广用于解决多分类问题,但是在更多情形下需要基于一些基本策略来对二分类算法进行处理从而更有效的解决多分类问题。
最经典和最基础的拆分策略包括两种:“一对一”(One vs. One,简称OvO)和“一对其余”(“One vs. Rest”,简称OvR)。
1. OvO多分类策略
任务描述
根据所学知识完成基于 OvO 策略的多分类模型训练与预测,实现多分类任务。
相关知识
OvO
假设现在训练数据集的分布如下图所示(其中A,B,C代表训练数据的类别):