sklearn.multiclass

Алгоритмы многоклассового обучения.

• один-против-всех / один-против-остальных

• один против одного

• коды с исправлением ошибок вывода

Оценщики, предоставленные в этом модуле, являются мета-оценщиками: они требуют базовый оценщик, предоставленный в их конструкторе. Например, возможно использовать эти оценщики для превращения бинарного классификатора или регрессора в многоклассовый классификатор. Также возможно использовать эти оценщики с многоклассовыми оценщиками в надежде улучшить их точность или производительность выполнения.

Все классификаторы в scikit-learn реализуют многоклассовую классификацию; вам нужно использовать этот модуль только если вы хотите экспериментировать с пользовательскими стратегиями многоклассовой классификации.

Мета-классификатор 'один против всех' также реализует predict_proba метода, при условии, что такой метод реализован базовым классификатором. Этот метод возвращает вероятности принадлежности к классу как в случае с одной меткой, так и в случае с несколькими метками. Обратите внимание, что в случае с несколькими метками вероятности являются маргинальной вероятностью того, что данный образец попадает в данный класс. Таким образом, в случае с несколькими метками сумма этих вероятностей по всем возможным меткам для данного образца не будет суммируются до единицы, как в случае с одной меткой.

Руководство пользователя. См. Многоклассовая классификация раздел для дальнейших деталей.

OneVsOneClassifier	Многоклассовая стратегия "один против одного".
OneVsRestClassifier	Стратегия многоклассовой классификации "один против всех" (OvR).
OutputCodeClassifier	(Error-Correcting) Output-Code стратегия многоклассовой классификации.