多类分类
基本思想
考虑 N N 个类别,多分类问题的基本思路是拆解法,即将多分类问题拆分为若干个二分类问题求解。
拆分策略
One-vs-One
将 N N 个类别两两配对,训练个分类器。测试阶段,新样本同时提交给所有的分类器,得到 N(N−1)/2 N ( N − 1 ) / 2 个分类结果,投票表决。
One-vs-Rest
每次将一个类作为正例,其余所有类作为负例,训练
N
N
<script type="math/tex" id="MathJax-Element-131">N</script>个分类器。在测试时如果只有一个类为正例,则对应的类标标记为最终结果,如果多个分类器预测为正类,则考虑分类器的预测置信度,选择置信度最大的类别标记为分类结果。
Many-Vs-Many
将若干个类作为正类,若干个类作为负类。MvM的正反类构造必须有特别的设计,Error Correcting Output Code是一种常用的技术。
参考资料
周志华 机器学习