sklearn通过OneVsRestClassifier实现svm.SVC的多分类

最新推荐文章于 2024-07-01 13:47:20 发布

晓东邪

最新推荐文章于 2024-07-01 13:47:20 发布

阅读量2.6w

点赞数 7

分类专栏： sklearn 机器学习 numpy 文章标签： sklearn svc多分类 OneVsRest binarize multiclass

本文链接：https://blog.csdn.net/xiaodongxiexie/article/details/76229042

版权

本文介绍了如何利用sklearn的OneVsRestClassifier与svm.SVC结合，实现多分类任务。虽然svm.SVC在sklearn中默认支持多分类，但文章通过实例说明了OneVsRest策略，帮助理解多分类过程。

摘要由CSDN通过智能技术生成

这个`repo` 用来记录一些python技巧、书籍、学习链接等，欢迎`star`

github地址

svm.SVC 支持向量机分类是一个很有效的分类方式，~~但是其只对2分类有效~~(sklearn中并不是，针对多分类其使用了1vs多，decision_function_shape : 'ovo', 'ovr', default='ovr', 这里假装只对2分类有效，用来进行下面的内容，￣□￣｜｜），不过，可以将多分类经过多次2分类最终实现多分类，而sklearn中的multiclass包就可以实现这种方式，减少我们重复造轮子。

import numpy as np
from sklearn.datasets import load_digits
from sklearn.preprocessing import label_binarize
from sklearn.multiclass import OneVsRestClassifier
from sklearn.model_selection import train_test_split


digits = load_digits()

x, y = digits.data, digits.target
y = label_binari