Machine learning 将6级车型重新排列为6个2级车型。会有什么改善吗？

我有一个SVM模型，由6个类和19个特征组成。它运行良好，95%的准确率。 我在评估，如何得到最后的5%。我的想法是创建具有其他功能的其他模型，训练实例。 另一个想法是将现有模型从6个类重新排列为6个模型，每个模型有2个类，其中一个类为正，其他5个类为负。功能将保持不变。它会带来任何新的分类结果，还是只是一个冗余模型

---

谢谢大家!

支持向量机实际上只能进行二值分类。多类自适应使用多个模型，并就一对一方案中的类应该是什么进行投票

快速示例：

class1 vs class2 
class2 vs class3
class1 vs class3

所有这些都将用于三类支持向量机，然后模型将投票决定a级观测值应该是什么。one vs all是在多分类场景中使用SVM的另一种流行方式。回答你的问题，这已经是幕后发生的事情了。有可能构建更多的模型可以帮助提高你的精确度，所以如果你觉得无聊，想看看它是否有帮助，那就值得一试

我的想法是创建具有其他功能的其他模型，训练 实例

是的，这是个好主意。根据您的数据检查其他型号的性能

另一个想法是将现有模型从6个类重新排列为6个类 每个模型有两个类，其中一个类为正，另一个为正 5节课为负数

---

由于支持向量机是一种二值分类器。多类SVM分类器在内部使用这两种方法。你的建议是一对一。因为libsvm使用一对一技术。您可以使用，但这通常不会提高精度性能，因为一对一使用更多的分类器

好的，谢谢你的链接！我可能忽略了一些重要的东西。