sklearn.multiclass#

多类别学习算法。

  • 一对多 / 一对所有

  • 一对一

  • 纠错输出码

此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元分类器或回归器转换为多类别分类器。也可以将这些估计器与多类别估计器一起使用，以期提高它们的准确性或运行时性能。

scikit-learn 中的所有分类器都实现了多类别分类；只有当您想尝试自定义多类别策略时才需要使用此模块。

一对多元分类器还实现了 predict_proba 方法，前提是基础分类器实现了此方法。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，而在单标签情况下则会。

用户指南。 有关更多详细信息，请参阅 多类别分类 部分。

OneVsOneClassifier

一对一多类策略。

OneVsRestClassifier

一对多 (OvR) 多类策略。

OutputCodeClassifier

（纠错）输出代码多类策略。