①课程介绍

课程名称：Python3入门机器学习 经典算法与应用 入行人工智能
课程章节：9-8；9-9
主讲老师：liuyubobobo

内容导读

• 第一部分 OVR实现原理
• 第二部分 OvO实现原理
• 第三部分
• 第四部分

②课程详细

OvR，OvO 逻辑回归只可以解决二分类问题，这里就如何将二分类变成多分类

OvR ONE VS REST一对剩余

OvO ONE VS ONE 一对一

第一部分 OVR实现原理

数据准备

训练数据

• 选取9个小球,X=9
• 共有三种颜色，红黄蓝，y = 3红 or 3黄 or 3蓝

训练过程

分为三个训练器

• 训练器1 ==红和其他类别
• 训练器2 ==黄和其他类别
• 训练器3 ==蓝和其他类别

整理数据

原始数据【红，红，红，黄，黄，黄，蓝，蓝，蓝】

• 在训练器1中将数据变成这样【红，红，红，灰，灰，灰，灰，灰，灰】
• 在训练器2中将数据变成这样【灰，灰，灰，黄，黄，黄，灰，灰，灰】
• 在训练器3中将数据变成这样【灰，灰，灰，灰，灰，灰，蓝，蓝，蓝】
  
  这样就把一个多分类问题变成了三个二分类问题。
• 通过逻辑回归计算出训练器1红色与灰色的决策边界
• 通过逻辑回归计算出训练器1黄色与灰色的决策边界
• 通过逻辑回归计算出训练器1蓝色与灰色的决策边界

测试过程

数据准备

一个红球

1. 一个红球进入三个训练器，分别得到三种概率（0.9，0.1，0.01）
2. 选取概率最高的训练器1，判断这个求是红球的概率为90%
3. 判断概率>50%，输出y=红色
   多个球的话依次类推

第二部分 OvO实现原理

数据准备

训练数据（老样子）

• 选取9个小球,X=9
• 共有三种颜色，红黄蓝，y = 3红 or 3黄 or 3蓝

训练过程

分为三个训练器

• 训练器1 ==红球和蓝球
• 训练器2 ==红球和黄球
• 训练器3 ==蓝球和黄球

整理数据

原始数据【红，红，红，黄，黄，黄，绿，绿，绿】

• 在训练器1中将数据变成这样【红，红，红，蓝，蓝，蓝】
• 在训练器2中将数据变成这样【红，红，红，黄，黄，黄】
• 在训练器3中将数据变成这样【黄，黄，黄，蓝，蓝，蓝】
  
  将三分数据分别输入三份训练器，从而得到三个决策边界
  

测试过程

《不确定3》

数据准备

一个红球

1. 一个红球进入训练器1，训练器2和训练器3
2. 分别得出三条概率（红：90%，蓝10%）（红：91%，黄：9%）（黄：11%，蓝：89%），

第一个分类器判断为 红

第二个分类器判断为 红

第三个分类器判断为 蓝

三个分类器，有两个分类器判断为 红；判断为红的分类器最多。所以最终，OvO 的判断是 红。

③课程思考

• 这种二分类转换为多分类的问题的方式很酷，就是耗能了一点，很不错的思路，继续加油！！！

④课程截图