sklearn.multiclass#

多分类学习算法。

  • 一对多 / 一对全

  • 一对一

  • 纠错输出码

本模块中提供的估计器是元估计器:它们需要在其构造函数中提供一个基础估计器。例如,可以使用这些估计器将二分类器或回归器转换为多分类器。也可以将这些估计器与多分类估计器一起使用,以期提高其准确性或运行时性能。

scikit-learn 中的所有分类器都实现了多分类;仅当您想尝试自定义多分类策略时才需要使用此模块。

一对多元分类器也实现了 predict_proba 方法,只要基础分类器实现了该方法。此方法在单标签和多标签情况下都返回类别成员资格的概率。请注意,在多标签情况下,概率是给定样本属于给定类别的边际概率。因此,在多标签情况下,给定样本的所有可能标签的这些概率之和不会等于一,这与单标签情况不同。

用户指南。 更多详细信息请参见多分类部分。

OneVsOneClassifier

一对一多分类策略。

OneVsRestClassifier

一对多 (OvR) 多分类策略。

OutputCodeClassifier

(纠错)输出码多分类策略。