理工酷

现实中常遇到多分类的学习任务，我们通常是利用一些基本策略，利用二分类学习器来解决多分类学习问题。 考虑N个类别C1、C2…Cn,多分类学习的基本思路是“拆解法”，即将多分类任务拆分为若干个二分类任务求解，具体来说，先对问题进行拆分，然后拆出的每个二分类任务训练一个分类器；在测试时，对这些分类器的预测结果进行集成以获得最终的多分类结果。 在这里拆分方式主要有三种：“一对一”、“一对多”、“多对多” 一对一：对于给定的数据集，将N个类别分别两两配对，产生N（N-1）/2个二分类任务，把这一组中的两个类别分别一个看作正例一个看作反例。在测试阶段新样本同时交给所有分类器，最终得到N（N-1）/2个分类结果，最终结果可以通过投票产生：即把被预测得最多的类别作为最终分类结果。 一对多：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，，若有多个分类器预测为正类，则通常考虑各个分类器的预测置信度，选择置信度最大的类别标记作为分类结果。 多对多是每次将若干个类作为正类，若干个其他类作为反类，其正反类构造有特殊的设计。