训练用于二进制分类的多类分类器

Question

如果数据集包含多个类别，例如0级，1级和2级。现在的目标是将新样本分为0级或非0级。

一个人可以

  

  
1. 将1,2-class组合成统一的非0级并训练二进制分类器
  
2. 或训练多类分类器进行二元分类。
  

这两种方法的表现如何？

我认为更多类别会带来更准确的判别表面，但是1级和2级的权重都低于非0级，导致更少的样本被判断为非0级。 / p>

Answer 1

简短回答：你必须尝试两种方式才能看到。

为什么？：这实际上取决于您使用的数据和算法（就像许多其他机器学习问题一样......）

对于许多分类算法（例如SVM，Logistic回归），即使您想要进行多类分类，也必须执行一对一分类，这意味着您必须处理类1和2级作为同一个班级。因此，如果您只需要将0分开，那就没有必要运行多类场景。

对于像神经网络这样的算法，其中有多个输出类更自然，我认为如果0,1和2类非常不同，训练多类分类器可能会更有益。但是，这意味着您必须选择更复杂的算法来适应所有三种算法。但合适可能会更好。因此，正如已经提到的，你真的必须尝试两种方法并使用一个好的度量来评估性能（例如混淆矩阵，F分数等）。

我希望这有点帮助。