如何在对目标类进行 one-hot 编码后对数据集进行分类？

【问题标题】：How can I classify a dataset after one-hot encoding the target class?如何在对目标类进行 one-hot 编码后对数据集进行分类？
【发布时间】：2021-10-21 21:33:19
【问题描述】：

我想用kernel machine 对数据集进行分类。 Target-Class 有 5 个不同的值，我想对其进行一次热编码。之后我有 5 个目标列。我进行了 5 次培训，每个目标列一次。现在我想对一个新样本进行分类。我使用我得到的 5 个训练模型对样本进行了 5 次分类。最后，我查看哪个预测在 5 个预测中具有最大值，然后根据具有最大预测的类对样本进行分类。我不确定我在做正确的事。我怎样才能以正确的方式做到这一点？

【问题讨论】：

标签： python testing one-hot-encoding multilabel-classification multiclass-classification

【解决方案1】：

内核机是什么意思？如果它只支持二分类任务，你可以训练 5 次并通过最大值进行预测。同时，有很多算法支持多类分类任务。 Yon 可以通过多类分类器对 5 个目标只训练 1 次。

【讨论】：

@Ng_Ginger 谢谢你的回答。内核机（或内核方法）不是很常见的分类方式，但出于学术原因我必须使用它。它使用核函数从我们拥有的训练数据中获取核矩阵，然后我们必须求解方程组（我在我的帖子中添加了照片。你可以看到它）以获取 alpha 并使用它来对测试数据进行预测。当我使用 SVM 时，我也发布了同样的问题。我对模型进行了 5 次分类，但我不知道最后如何进行预测。
我认为您采用了一对一（OVR）策略，选择预测最大的类是正确的。