1 一对多算法（One-vs-all）
1.1 多分类问题举例
1.2 算法解释
二分类问题上一篇博客讲了逻辑分类算法，将训练样本分为positive和negative；如果说，有超过3个类别，我们需要做的就是，分别将类别1、2、3作为positive，其余的两个类别作为negative（23、13、12），这样我们就可以得到3个假设函数（分类器）
h
θ
(
i
)
(
x
)
，
（
i
=
1
,
2
,
3
）
h^{(i)}_\theta(x)，（i=1,2,3）
hθ(i)(x)，（i=1,2,3）.
关于假设函数
h
θ
(
i
)
(
x
)
，
（
i
=
1
,
2
,
3
）
h^{(i)}_\theta(x)，（i=1,2,3）
hθ(i)(x)，（i=1,2,3）.的数学意义，之前已经提到过，是在给定训练集
x
x
x和参数
θ
\theta
θ下，
y
=
i
y=i
y=i的概率。当再次输入新样本
x
x
x时，我们就可以分别代入3个假设函数
h
θ
(
i
)
(
x
)
，
（
i
=
1
,
2
,
3
）
h^{(i)}_\theta(x)，（i=1,2,3）
hθ(i)(x)，（i=1,2,3）中，进而计算其概率，概率最大的那个类别，就是它最可能的类别，即此时可信度最高。
1028
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
