读书笔记《机器学习》： 第三章：线性模型

3.1 基本形式
3.2 线性回归
3.3 对数几率回归
3.4 线性判别分析
3.5 多分类学习
3.6 类别不平衡问题

---

3.5 多分类学习

三种经典的拆解法：
一对一（One vs. One, OvO）：N个类别两两配对，产生N(N-1)/2个分类器，测试的时候得到N(N-1)/2个结果，最终结果由投票结果决定。

一对其余（One vs. Rest, OvR）：每次把一个类的样例作为正例，所有其他类的作为反例，训练N个分类器。如果测试结果只有一个分类器分类为正类，则直接归为这一类；如果有多个分类器分类为正类，则看分类器的置信度，选择置信度最大的那个。

多对多（Many vs. Many, MvM）：选若干类作为正例，若干类作为反例，但不能随意选择，必须有特殊的设计。

纠错输出码：包括编码和解码。
编码：对N个类别做M次划分，得到M个分类器
解码：用M个分类器预测，预测编码与每个类别的编码相比较，取距离最小的类别。

---

3.6 类别不平衡问题

类别不平衡的一个基本策略：再缩放（rescaling），也叫再平衡（rebalance）
主要有三类做法：
1.对训练集反例进行欠采样（undersampling）
2.对训练集正例进行过采样（oversampling）
3.直接基于原始数据训练，但最终预测结果乘上缩放因子(m-)/(m+)，也叫阈值移动（threshold moving）

过采样不能简单的对正例样本重复采样，容易导致过拟合，可以对训练集中的正例插值产生额外的正例（SMOTE算法）。 欠采样代表算法EasyEnsemble，利用集成学习机制，将反例划分成若干个集合供不同学习器使用，这样每个学习器看起来都进行了欠采样，但全局不会丢失重要信息。