多分类学习
我们初始遇见最多的是一般是二分类问题,如kaggle平台上的众多竞赛(CTR、异常检测任务等)。关于多分类任务,可以由二分类学习的思想进行推广来解决。考虑N个类别,多分类学习的基本思想是“拆解法”,就是我们可以将其拆解为多个二分类的任务,训练多个分类器,最后将这些分类器的预测结果进行集成来获得多分类任务的结果。采用这种方式的关键就在于如何拆分,如何将分类器的结果集成。
经典的拆分策略:一对一(OvO)、一对其余(OvR)、多对多(MvM)。
给定数据集,
我们初始遇见最多的是一般是二分类问题,如kaggle平台上的众多竞赛(CTR、异常检测任务等)。关于多分类任务,可以由二分类学习的思想进行推广来解决。考虑N个类别,多分类学习的基本思想是“拆解法”,就是我们可以将其拆解为多个二分类的任务,训练多个分类器,最后将这些分类器的预测结果进行集成来获得多分类任务的结果。采用这种方式的关键就在于如何拆分,如何将分类器的结果集成。
经典的拆分策略:一对一(OvO)、一对其余(OvR)、多对多(MvM)。
给定数据集,