斯坦福机器学习笔记-多分类问题

多分类问题

通常采用 One-vs-All，亦称 One-vs-the Rest 方法来实现多分类，其将多分类问题转化为了多次二分类问题。假定完成 $K$K 个分类，One-vs-All 的执行过程如下：

1. 轮流选中某一类型 $i$i ，将其视为正样本，即 “1” 分类，剩下样本都看做是负样本，即 “0” 分类。
2. 训练逻辑回归模型得到参数 $θ^{(1)},θ^{(2)},...,θ^{(K)}$θ(1),θ(2),...,θ(K) ，即总共获得了 $K−1$K−1 个决策边界。
   
   给定输入 $x$x ，为确定其分类，需要分别计算 $h^{(k)}_θ(x),k=1,...,K$hθ(k)​(x),k=1,...,K ， $h^{(k)}_θ(x)$hθ(k)​(x) 越趋近于 1， $x$x 越接近是第 $k$k 类：