用于构建多类（相对于二进制）分类器的算法答案

【问题标题】：algorithm for building multi-class (versus binary) classifiers用于构建多类（相对于二进制）分类器的算法
【发布时间】：2015-12-27 18:36:46
【问题描述】：

我是一名学生，现在我正在研究文本分类。我已经阅读了几篇关于此的论文。但我刚刚发现有很多人使用朴素贝叶斯分类器。

i have 4 class to classify.
and i read that SVM can only classify thing into 2 class,..yes/no 1/0

除了 NBC 算法之外，还有什么算法可以构建分类器来将数据分成两个以上的类吗？

【问题讨论】：

检查this

标签： algorithm machine-learning classification supervised-learning

【解决方案1】：

大多数机器学习技术都能够构建多类分类器，例如：

决策树（例如 C4.5）
神经网络通过 softmax（又名多层感知器，或 MLP）
LDA（线性判别分析）
朴素贝叶斯

支持向量机也经常用于多类分类（参见优秀的 scikit-learn 库中的 example），例如使用“一对多”归纳法方法。换句话说，数据在first SVM 上进行训练，以将数据分为 I 类与其他所有数据。然后将“其他所有”数据传递给 second SVM，该 SVM 将数据分为 II 类与其他所有数据，依此类推。

【讨论】：

很好，先生，我已经阅读了关于一对多的方法，但不像您的描述那样清楚，所以除了 NBC、SVM 或人工神经网络之外，还有其他选择（方法名称而不是域）吗？
不确定您所说的“方法名称而不是域”是什么意思，但根据您上面的评论，我添加了另外两种通常用于构建多类分类器的技术，它们特别适用于文本分类（我已经将它们用于此目的，实际上它们经常在 ML 教科书中被推荐用于这些用例）