机器学习-线性模型

学习笔记机器学习

字数统计: 234阅读时长: 1 min

 2022/04/16  6

一切的开始

多分类学习

将二分类学习方法推广到多分类。

一对一策略 OvO

给定数据集 $D = (x_{1}, y_{1}), (x_{2}, y_{2}), \dots, (x_{m}, y_{m})$ ，其中 $y_{i} \in C_{1}, C_{2}, \dots, C_{N}$ 即有N个分类结果；
将这N个类别两两配对，从而产生 $C_{N}^{2} = \frac{N (N - 1)}{2}$ 个二分类任务。对于每一个二分类任务，使用 $C_{i}$ 和 $C_{j}$ 训练一个分类器，该分类器把 $D$ 中的 $C_{i}$ 类样例作为正例， $C_{j}$ 作为反例；
测试时测试所有训练好的 $\frac{N (N - 1)}{2}$ 个分类器，最终把产生的最多的类别作为分类结果。

一对其余策略 OvR

每次只选择一个类作为正例，其余的作为反例，一共训练 $N$ 个分类器；
在测试时若仅有一个分类器预测为正类，则对应的类别标记作为最终分类结果。

Next Post

机器学习-决策树
Previous Post

数据结构-查找

CATALOG

1. 多分类学习
1. 1.1. 一对一策略 OvO
2. 1.2. 一对其余策略 OvR