-
人工智能
站-
热门城市 全国站>
-
其他省市
-
-
400-636-0069
小标
2018-11-28
来源 ：
阅读 1856
评论 0
摘要：本文主要向大家介绍了机器学习入门之机器学习：线性模型-多分类任务拆分之纠错输出码ECOC浅析，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。
本文主要向大家介绍了机器学习入门之机器学习：线性模型-多分类任务拆分之纠错输出码ECOC浅析，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。
多分类任务通常转化为多个二分类任务，再对预测结果进行集成得出最终分类结果。
拆分为二分类任务通常有3种：一对一（OvO）,一对其余（OvR）和多对多（MvM）。
OvO:
将N个类别两两配对，共N(N-1)/2个分类任务，每个分类任务一个类别作为正例，另一个作为反例，学习得到N(N-1)/2个分类器。新样本同时提交给所有分类器，得到N(N-1)/2个分类结果，把预测最多的类别作为最终结果。见下图：
OvR:
每次将一个类作为正例，其余所有类作为反例，训练N个分类器。新样本提交给所有分类器，若仅有一个分类器预测为正例，则该类标记作为最终结果，如上图。若有多个分类器标记为正例，则考虑预测置信度。
注：类别很多时，OvO的训练时间开销通常比OvR小（OvR每个分类器都使用全部样本）
MvM：
每次将若干个类别作为正例，其他作为反例，最常用“纠错错误码（ECOC）”，（ECOC编码对分类器错误有一定的容忍修正能力，即使某个分类器预测出错，也不一定会影响结果）
ECOC：
编码：将N个类别做M次划分，每次将一部分作为正例，其余作为反例，学习到M个分类器；
解码：新样本提交给M个分类器，得到M个结果，组成一个编码，将其和每个类别各自的编码进行比较，距离最小的类别作为最终结果。如下图：
图a中测试样例的编码和C3类的编码欧式距离最小，所以测试样本最终判定结果为C3类（采用欧式距离判别）
本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！
喜欢 | 0
不喜欢 | 0
您输入的评论内容中包含违禁敏感词
我知道了
请输入正确的手机号码
请输入正确的验证码
您今天的短信下发次数太多了，明天再试试吧！
我们会在第一时间安排职业规划师联系您！
您也可以联系我们的职业规划师咨询：
版权所有 职坐标-一站式IT培训就业服务领导者 沪ICP备13042190号-4
上海海同信息科技有限公司 Copyright ©2015 www.zhizuobiao.com，All Rights Reserved.
沪公网安备 31011502005948号
索取资料
答疑解惑
技术交流
职业测评
面试技巧
高薪秘笈
