多分類學習、類別不平衡

多分類學習 最經典的拆分策略有三種：「一對一(OvO)」、「一對其餘(OvR)」、」多對多(MvM)」。   OvO:將N個類別兩兩匹配，從而產生 N(N−1)/2 個二分類器。將新樣本提交給所有的分類器，得到了 N(N−1)/2 個結果，最終結果通過投票產生。N比較大的時候，代價還是挺高。   OvR:每次將一個類作爲樣例的正例，其他所有均作爲反例，得到N個分類器。提交新的樣本同時也得到N個結果

>>阅读原文<<