①课程介绍
课程名称：Python3入门机器学习 经典算法与应用 入行人工智能
课程章节：9-8；9-9
主讲老师：liuyubobobo
内容导读
- 第一部分 OVR实现原理
- 第二部分 OvO实现原理
- 第三部分
- 第四部分
②课程详细
OvR，OvO 逻辑回归只可以解决二分类问题，这里就如何将二分类变成多分类
OvR ONE VS REST一对剩余
OvO ONE VS ONE 一对一
第一部分 OVR实现原理
数据准备
训练数据
- 选取9个小球,X=9
- 共有三种颜色，红黄蓝，y = 3红 or 3黄 or 3蓝
训练过程
分为三个训练器
- 训练器1 ==红和其他类别
- 训练器2 ==黄和其他类别
- 训练器3 ==蓝和其他类别
整理数据
原始数据【红，红，红，黄，黄，黄，蓝，蓝，蓝】
- 在训练器1中将数据变成这样【红，红，红，灰，灰，灰，灰，灰，灰】
- 在训练器2中将数据变成这样【灰，灰，灰，黄，黄，黄，灰，灰，灰】
- 在训练器3中将数据变成这样【灰，灰，灰，灰，灰，灰，蓝，蓝，蓝】
这样就把一个多分类问题变成了三个二分类问题。 - 通过逻辑回归计算出训练器1红色与灰色的决策边界
- 通过逻辑回归计算出训练器1黄色与灰色的决策边界
- 通过逻辑回归计算出训练器1蓝色与灰色的决策边界
测试过程
数据准备
一个红球
- 一个红球进入三个训练器，分别得到三种概率（0.9，0.1，0.01）
- 选取概率最高的训练器1，判断这个求是红球的概率为90%
- 判断概率>50%，输出y=红色
多个球的话依次类推
第二部分 OvO实现原理
数据准备
训练数据（老样子）
- 选取9个小球,X=9
- 共有三种颜色，红黄蓝，y = 3红 or 3黄 or 3蓝
训练过程
分为三个训练器
- 训练器1 ==红球和蓝球
- 训练器2 ==红球和黄球
- 训练器3 ==蓝球和黄球
整理数据
原始数据【红，红，红，黄，黄，黄，绿，绿，绿】
- 在训练器1中将数据变成这样【红，红，红，蓝，蓝，蓝】
- 在训练器2中将数据变成这样【红，红，红，黄，黄，黄】
- 在训练器3中将数据变成这样【黄，黄，黄，蓝，蓝，蓝】
将三分数据分别输入三份训练器，从而得到三个决策边界
测试过程
《不确定3》
数据准备
一个红球
- 一个红球进入训练器1，训练器2和训练器3
- 分别得出三条概率（红：90%，蓝10%）（红：91%，黄：9%）（黄：11%，蓝：89%），
第一个分类器判断为 红
第二个分类器判断为 红
第三个分类器判断为 蓝
三个分类器，有两个分类器判断为 红；判断为红的分类器最多。所以最终，OvO 的判断是 红。
③课程思考
- 这种二分类转换为多分类的问题的方式很酷，就是耗能了一点，很不错的思路，继续加油！！！