本文介绍了多分类任务的两种主要策略：OvR（one-vs-rest）和OvO（one-vs-one）。在多类别分类中，OvR通过将一个类别与其他所有类别对比来确定分类，而OvO则为每对类别构建分类器。在sklearn库中，逻辑回归的`multi_class`参数用于指定多类别分类方式，并提供了OneVsOneClassifier和OneVsRestClassifier实现这两种策略。
1、什么是多分类任务？
针对多类问题的分类中，具体讲有两种，即multiclass classification和multilabel classification。
multiclass是指分类任务中包含不止一个类别时，每条数据仅仅对应其中一个类别，不会对应多个类别。
multilabel是指分类任务中不止一个分类时，每条数据可能对应不止一个类别标签，例如一条新闻，可以被划分到多个板块。
无论是multiclass，还是multilabel，做分类时都有两种策略，一个是one-vs-the-rest(one-vs-all)，一个是one-vs-one。
简称就是OvR和OvO
2、OvR和OvO的原理是什么？
OvR： 假设有n个类别，选择其中一个作为1类，剩下的n-1作为一类。进行n次分类，选择分类得分最高的。
OvO: 同样假设有n个类别，则会针对两两类别建立二项分类器，得到k=n*(n-1)/2个分类器。 然后进行K次分类，选择最高的；
最低0.47元/天 解锁文章
扫一扫
4178
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
