我正在使用weka进行分类。在weka中，我使用SMO对文档进行分类。在某些情况下，SMO会返回错误的类别。
例如，取2类计算机和板球。首先我训练并创建了这两个类别的模型。然后我将测试一个文件，其内容与50：50比例的两个类别相关。 SMO仅返回第一类计算机。如果50:50比率意味着我需要返回两个类别。
如何在SMO分类器中实现Multiclass classification？
答案 0 :(得分：1)
通常，分类器会给出一个结果。根据我的理解你的问题，你需要distributionForInstance。此方法将为您提供类的概率。在你的例子中，你应该获得1/2和1/2的概率。
你提到
是的，从那种方法来看，我的概率是错误的。对于计算机类，我得到0.63和板球0.36。但两个类别的内容和单词数量相等
您的解释问题是您希望类概率仅来自内容和单词数量。例如，对于朴素贝叶斯而言，这是正确的，但对于其他分类器则不是这样。如果您尝试使用朴素贝叶斯进行相同的分类，您可能会看到预期的概率。
根据SVM中的支持向量给出您的类概率。这意味着根据支持向量，你的0.63概率类更有可能。
答案 1 :(得分：0)
我知道人们可能会使用不同的术语，但您最常接受的术语是“多标签分类”（https://en.wikipedia.org/wiki/Multi-label_classification）。
我认为提及多类分类的维基百科文章写得不正确，或者是使用类似方法的不同域名的术语。
多类分类通常意味着将数据点分类为可能的多个（＆gt; 2）类中的仅一个，而不是多标记分类，这意味着对数据点进行分类进入超过1 的可能类。
您可以查看Meka - Weka的扩展，其中实现了一些多标记分类器。我知道你想使用weka，但如果没有，你可以试试multilabel libsvm.