sklearn.multiclass#

算法学习的多类方法。

  • 一对多 / 一对一

  • 一对一

  • 纠错输出码

本模块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本估计器。例如，可以使用这些估计器将二分类器或回归器转换为多类分类器。还可以将这些估计器与多类估计器一起使用，希望它们的准确性或运行时性能有所提高。

scikit-learn中的所有分类器都实现了多类分类；只有在想尝试自定义多类策略时，才需要使用此模块。

一对多的元分类器还实现了 predict_proba 方法，只要基本分类器实现了该方法。此方法返回单标签和多标签情况下类成员的概率。请注意，在多标签情况下，概率是给定样本属于给定类的边际概率。因此，在多标签情况下，给定样本在所有可能标签上的这些概率之和*不会*总和为1，这与单标签情况不同。

User guide. See the 多类分类 section for further details.

OneVsOneClassifier

一对一多类策略。

OneVsRestClassifier

One-vs-the-rest (OvR) 多类策略。

OutputCodeClassifier

(Error-Correcting) Output-Code 多类策略。