机器学习中多分类问题处理成二分类问题的四种拆分策略
在机器学习中经常将多分类问题处理成二分类问题,给出三种以上的拆分策略1) 一对一(One vs. One, 简称OvO)OvO将N个类别两两配对,从而产生N(N-1)/2个二分类任务。在测试阶段,新样本将同时提交给所有分类器,得到N(N-1)/2个分类结果,最终结果可由投票产生,或根据各分类器的预测置信度等信息进行集成。2) 一对其余(One vs. Rest, 简称OvR)OvR每次将一个类的样例作为正例、所有其他类的样例作为反例来训练N个分类器。在测试时若只有一个分类器预测为正类,则对应的.
原创
2020-06-29 17:19:48 ·
10385 阅读 ·
0 评论