如何处理多分类学习的任务?
计算机/软件
0 281
0
该提问暂无详细描述
收藏
2021-01-19 06:02 更新 空心人 •  1664
共 1 个回答
高赞 时间
0

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。

收藏
2021-01-20 10:03 更新 小眼的铁板烧 •  1814