机器学习笔记(IX)线性模型(V)多分类学习
来源:互联网 发布:手机首选网络怎么设置 编辑:程序博客网 时间:2024/06/11 11:04
拆解法
多分类问题的一般方法,是将多分类任务拆分为多个二分类任务求解,这里设有
具体做法
1:将多分类问题拆解为若干个二分类问题
2:为每个二分类问题训练一个分类器
3:得出每个二分类问题的预测结果
4:对这些二分类问题的结果进行集成最后得到多分类结果
拆分策略
给定数据集:
拆分方法如下:
OvO
“一对一”
将
图解
OvR
每次将一个类的样例作为正例,其他类的样例作为反例来训练
OvO 和OvR 的比较
分类器个数:
分类器的样例:
时间开销:
在类别比较少的情况下:
在类别比较多的情况下:
MvM
做法
每次将若干个类作为正类,其他若干个类作为反类。
纠错输出码ECOC
编码:
对
解码:
编码矩阵
“+1”和“-1”分别表示学习器
主要形式:
ECOC 码的性质
一般来说:在同一个学习任务中
码长度
对同等长度的编码,任意两个类别之间的编码距离越远,则纠错能力越强。
- 机器学习笔记(IX)线性模型(V)多分类学习
- 机器学习笔记-利用线性模型进行分类
- 机器学习笔记(V)线性模型(I)一维最小二乘法
- 机器学习笔记(二) 线性模型
- 机器学习笔记-线性模型
- 听课笔记(第十一讲): 线性分类模型 (台大机器学习)
- 机器学习线性模型学习笔记
- 机器学习-学习笔记 线性模型
- 从GLM广义线性模型到线性回归、二项式及多项式分类——机器学习笔记整理(一)
- 机器学习笔记一------线性分类器
- 机器学习-学习笔记 线性模型(二)
- 机器学习笔记(三)线性模型
- 机器学习笔记 (1)-线性回归模型
- 机器学习----线性模型
- 机器学习笔记五:广义线性模型(GLM)
- 机器学习笔记4——线性模型(一)
- 机器学习笔记5——线性模型(二)
- 机器学习笔记(VI)线性模型(II)多维最小二乘法
- 如何在本地部署vue+springboot前后端分离应用
- tar命令备份ubuntu系统
- MySQL百万级数据库优化
- spring 5.0 aspecj 08
- 修复节点(一)
- 机器学习笔记(IX)线性模型(V)多分类学习
- 【第六篇blog】第三次模拟赛的反思与解析
- 题解
- 测试用例设计实现
- bzoj3676 [Apio2014]回文串(回文自动机)
- 数字反转
- [LeetCode]Length of Last Word
- SerialPort
- Python 3.6之urllib的变化(1)