机器学习中的多类别分类和多标签分类

多类别分类（Multiclass Classification）

一个样本属于且只属于多个类中的一个，一个样本只能属于一个类，不同类之间是互斥的。

多标签分类（Multilable classification）

多标签分类又称多标签学习、多标记学习，不同于多类别分类，一个样本可以属于多个类别（或标签），不同类之间是有关联的。

sklearn.multiclass 提供了很多机器学习算法，处理multiclass和multilabel分类问题，主要是将问题转化为二分类问题，同时也支持multitarget回归问题。

• Multiclass分类：多类别分类问题，类别classes数大于2，如，对水果fruit数据集分类，类别有orange。apples，pears。多分类问题，每个样本仅对应一个标签label，如一张fruit图片可能是apple或pear，而不可能同时是apple和pear。
• Multilabel分类：多标签分类问题，每个样本对应着一组标签labels。
   

Multiclass（多分类分类器）：

固有的

sklearn.naive_bayes.BernoulliNB
sklearn.tree.DecisionTreeClassifier
sklearn.tree.ExtraTreeClassifier
sklearn.ensemble.ExtraTreesClassifier
sklearn.naive_bayes.GaussianNB
sklearn.neighbors.KNeighborsClassifier
sklearn.semi_supervised.LabelPropagation
sklearn.semi_supervised.LabelSpreading
sklearn.discriminant_analysis.LinearDiscriminantAnalysis
sklearn.svm.LinearSVC (setting multi_class=”crammer_singer”)
sklearn.linear_model.LogisticRegression (setting multi_class=”multinomial”)
sklearn.linear_model.LogisticRegressionCV (setting multi_class=”multinomial”)
sklearn.neural_network.MLPClassifier
sklearn.neighbors.NearestCentroid
sklearn.discriminant_analysis.QuadraticDiscriminantAnalysis
sklearn.neighbors.RadiusNeighborsClassifier
sklearn.ensemble.RandomForestClassifier
sklearn.linear_model.RidgeClassifier
sklearn.linear_model.RidgeClassifierCV

Multiclass as One-Vs-One: 

sklearn.svm.NuSVC

sklearn.svm.SVC

sklearn.gaussian_process.GaussianProcessClassifier(setting multi_class = "one_vs_one")

Multiclass as One-Vs-All: 
sklearn.ensemble.GradientBoostingClassifier
sklearn.gaussian_process.GaussianProcessClassifier (setting multi_class = “one_vs_rest”)
sklearn.svm.LinearSVC (setting multi_class=”ovr”)
sklearn.linear_model.LogisticRegression (setting multi_class=”ovr”)
sklearn.linear_model.LogisticRegressionCV (setting multi_class=”ovr”)
sklearn.linear_model.SGDClassifier
sklearn.linear_model.Perceptron
sklearn.linear_model.PassiveAggressiveClassifier

最后

以上就是包容雪碧为你收集整理的机器学习中的多类别分类和多标签分类的全部内容，希望文章能够帮你解决机器学习中的多类别分类和多标签分类所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。