西瓜书+实战+吴恩达机器学习（三）机器学习基础（多分类、类别不平衡）

如果这篇文章对你有一点小小的帮助，请给个关注，点个赞喔，我会非常开心的~

0. 前言

本篇介绍机器学习中的多分类和类别不平衡问题。

1. 多分类学习

一些算法可以直接进行多分类，而另一些算法则不行，基本思路是：将多分类任务拆为若干个二分类任务求解。

1. 一对一（One vs. One, OvO）：给定数据集，将$N$个类别两两配对，产生$N(N-1)/2$个二分类任务，最终结果通过投票产生
2. 一对其余（One vs. Rest, OvR）：给定数据集，每次将一个类作为正类，其余类作为反类，训练$N$个分类器，最终结果通过投票产生
3. 多对多（Many vs. Many, MvM）：给定数据集，每次将若干个类作为正类，若干个其他类作为反类，使用纠错输出码ECOC，对 N N <