【发布时间】：2023-03-22 05:34:01
【问题描述】：
一对一方法如何用于多类分类中的测试集？我了解它如何为训练集生成每对的子集，但如何在测试集上使用它？我读了一些关于大多数选票的内容，但我找不到任何这些选票是什么或它们是如何运作的我的假设是选票是在一对类中标记为正面/负面的观察结果。
我是怎么理解的：
如果我有三对 A vs B、A vs C、B vs C，并且我想预测 C，那么如果这对的负值比 B vs C 多，我必须使用 A vs C？
【问题讨论】：
【发布时间】：2023-03-22 05:34:01
【问题描述】：
你的直觉几乎是对的，每个班级的投票代表一个班级与另一个班级决斗的次数，只是不考虑负面的。
为了说明一对一分类器的工作原理，让我们举一个简单的例子，有 4 个类“红色”、“蓝色”、“绿色”、“黄色”。我们将不得不训练 K * (K -1) /2 个分类器（K 是类的数量）。
为了训练模型，将使用 2 个类的每个子集来训练一个二元分类器，因此在我们的案例 6 个分类器中，我们将总共训练 4 *( 4 - 1)/2：
- 分类器 1：红色与蓝色
- 分类器 2：红色与绿色
- 分类器 3：红色与黄色
- 分类器 4：蓝色与绿色
- 分类器 5：蓝色与黄色
- 分类器 6：绿色与黄色
现在让我们使用一个测试元素，我们在它上面运行所有的二元分类器，结果如下：
- 分类器 1：红色
- 分类器 2：红色
- 分类器 3：红色
- 分类器 4：蓝色
- 分类器 5：黄色
- 分类器 6：绿色
正如您在上面看到的，蓝色、黄色和绿色只赢得了 1 场决斗，而红色赢得了 3 场决斗。 我们的多类分类器预测这个实例是Red
【讨论】：
-
看起来很简单 :) 但在互联网上真的找不到任何解释。非常感谢。