多分类学习、类别不平衡

多分类学习 最经典的拆分策略有三种：“一对一(OvO)”、“一对其余(OvR)”、”多对多(MvM)”。   OvO:将N个类别两两匹配，从而产生 N(N−1)/2 个二分类器。将新样本提交给所有的分类器，得到了 N(N−1)/2 个结果，最终结果通过投票产生。N比较大的时候，代价还是挺高。   OvR:每次将一个类作为样例的正例，其他所有均作为反例，得到N个分类器。提交新的样本同时也得到N个结果

>>阅读原文<<