[英]Convert multi-class one vs. all classifier to binary target vs non target
我有11个班级的分类问题。 一类（0）是非目标。 其余（1-10）是目标。 我想创建一个可以分别预测每个目标的分类器。 然后，最后，如果任何分类器预测为肯定，则整体分类器将预测为肯定。
我知道我可以通过创建10个分类器并获取它们的输出，然后将它们的二进制预测或在一起来实现。 但是，我想将此逻辑封装到scikit-learn估计器对象中。
将代码从二元分类器逻辑回归修改为多类“one vs all”逻辑回归
[英]Modifying code from binary classifier logistic regression to multi-class “one vs all” logistic regression
BertForSequenceClassification 与用于句子多类分类的 BertForMultipleChoice
[英]BertForSequenceClassification vs. BertForMultipleChoice for sentence multi-class classification
如何解决多类分类中的“RuntimeError: 1D target tensor expected, multi-target not supported”？
[英]How to solve “RuntimeError: 1D target tensor expected, multi-target not supported” in multi-class classification?
scikit-learn是否在多类别分类中默认使用One-Vs-Rest？
[英]Does scikit-learn uses One-Vs-Rest by default in multi-class classification?
LabelEncoding 目标变量与 one-hot-encoding 相比大大改进了模型
[英]LabelEncoding the target variable improves model massively vs. one-hot-encoding the same
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.
