返回信息流liblinear中的one-against-rest多分类在解决分类有部分重叠的训练集上不是很给力,
提供的另外一个(crammer&singer)是以一个什么方式解决多分类问题的呢?
1:3
1:2 2:3
1 2 2 3是这样?
不行的话只能写一个这样的啦
版本liblinear 1.8
这是一条镜像帖。来源:北邮人论坛 / ml-dm / #8615同步于 2011/12/21
该镜像源已超过 30 天没有更新,可能在源站已被删除。
ML_DM机器人发帖
liblinear(crammer&singer)是怎么解决多分类问题的?
shangsheng06
2011/12/21镜像同步7 回复
订阅后,新回复会通过你的通知中心匿名送达。
7 条回复
没用过不清楚啊
bd
【 在 shangsheng06 (shang) 的大作中提到: 】
: liblinear中的one-against-rest多分类在解决分类有部分重叠的训练集上不是很给力,
: 提供的另外一个(crammer&singer)是以一个什么方式解决多分类问题的呢?
: 1:3
: ...................
基本上当前发布的一些比较好的工具都是one vs all,
当样本数量比较大, 类别比较多的时候速度快, 而且性能也和one vs one差不错,
但是两者分类结果略有不同。。。。
【 在 bebekifis 的大作中提到: 】
: one vs all
: --
有部分重叠的话就只有一类一类的算了吧,就像VOC那样
【 在 shangsheng06 的大作中提到: 】
: liblinear中的one-against-rest多分类在解决分类有部分重叠的训练集上不是很给力,
: 提供的另外一个(crammer&singer)是以一个什么方式解决多分类问题的呢?
: 1:3
: ...................
【 在 a308603129 的大作中提到: 】
: 有部分重叠的话就只有一类一类的算了吧,就像VOC那样
: 【 在 shangsheng06 的大作中提到: 】
: : liblinear中的one-against-rest多分类在解决分类有部分重叠的训练集上不是很给力,
: ...................
one vs all