多分类问题解决思路，一般来说，用二分类学习器解决多分类问题，基本思想是先拆分后集成，也就是先将数据集进行拆分，然后多个数据集可训练多个模型，然后再对多个模型进行集成。这里所谓集成，指的是使用这多个模型对后续新进来数据的预测方法。
具体来看，依据该思路一般有三种实现策略，分别是”一对一”（One vs Ons，简称 OvO）、”一对剩余”（One vs Rest，简称 OvR）和”多对多”（Many vs Many，加成 MvM）。接下来我们逐个讨论。
1.OvO策略
- 拆分策略
OvO的拆分策略比较简单，基本过程是将每个类别对应数据集单独拆分成一个子数据集，然后令其两两组合，再来进行模型训练。例如，对于上述四分类数据集，根据标签类别可将其拆分成四个数据集，然后再进行两两组合，总共有6种组合，也就是C 4 2 C^2_4
Original: https://blog.csdn.net/qq_34120015/article/details/123618901
Author: cy
Title: 多分类学习（OvO、OVR、MVM 原理区别）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/661910/
转载文章受原作者版权保护。转载请注明原作者出处！