在python中使用逻辑回归进行一对一和一对所有多类分类
这是我对OvO与OvA的理解: 一对一是二元分类,就像香蕉对橘子。一对所有/其余分类将其转化为多个不同的二进制分类问题。 我在python中对这两种策略的实现产生了非常相似的结果: OvA:在python中使用逻辑回归进行一对一和一对所有多类分类,python,regression,logistic-regression,multiclass-classification,Python,Regression,Logistic Regression,Multiclass Classification,这是我对OvO与OvA的理解: 一对一是二元分类,就像香蕉对橘子。一对所有/其余分类将其转化为多个不同的二进制分类问题。 我在python中对这两种策略的实现产生了非常相似的结果: OvA: model = LogisticRegression(random_state=0, multi_class='ovr', solver='lbfgs') model.fit(x,y) model.predict(x) model = LogisticRegression() model.
model = LogisticRegression(random_state=0, multi_class='ovr', solver='lbfgs')
model.fit(x,y)
model.predict(x)
model = LogisticRegression()
model.fit(x,y)
model.predict(x)
OvO:
model = LogisticRegression(random_state=0, multi_class='ovr', solver='lbfgs')
model.fit(x,y)
model.predict(x)
model = LogisticRegression()
model.fit(x,y)
model.predict(x)
我想确认我的理解和实施是正确的,因为我得到了类似的结果。
我需要使用逻辑回归为多类分类实施OvO和OvA策略我最终为oneVsRestClassifier和OneVsOneclassifier使用sklearn内置类逻辑回归参数multi_class的默认值为“ovr”。因此,在实现OvO时,默认情况下,模型使用“ovr”。