svm에서 일대일 및 일대일?

일대일 및 일대일 SVM 분류기의 차이점은 무엇입니까?

one-vs-all은 새로운 이미지의 모든 유형 / 범주를 분류하는 하나의 분류자를 의미하고 one-vs-one은 다른 분류 자로 분류되는 새로운 이미지의 각 유형 / 범주를 의미합니까 (각 범주는 특수 분류 자에 의해 처리됨)?

예를 들어, 새 이미지가 원, 사각형, 삼각형 등으로 분류되는 경우

machine-learning classification svm

— 사용자 3378327
소스

차이점은 배워야 할 분류기의 수이며, 이는 결정 경계와 밀접한 관련이 있습니다.

개의 다른 클래스 가 있다고 가정하십시오 . 하나의 대 모두는 총 분류 자 에서 클래스 당 하나의 분류자를 훈련 시킵니다. 클래스 경우 레이블은 양수로, 나머지는 음수로 가정 합니다. 이로 인해 일반적인 SVM이 작동하지 않을 수 있음을 의미하는 불균형 데이터 세트가 발생하지만 여전히 해결 방법이 있습니다. $N$ $N$ $i$ $i$

하나 대 하나에서 각각의 다른 라벨 쌍에 대해 별도의 분류기를 훈련시켜야합니다. 이는 분류기로 이어집니다. 이것은 불균형 데이터 세트의 문제에 훨씬 덜 민감하지만 계산 비용이 훨씬 비쌉니다. $\frac{N(N-1)}{2}$

— 그나 투하
소스

당신은 의미 않았다하시기 바랍니다 긍정적으로 I-라벨 또는 긍정적으로 i 번째 레이블을 ?

— delusionX

클래스 i에 해당하는 레이블을 양수로 지정합니다.

— Gnattuha

@Gnattuha-불균형 데이터 세트 란 무엇을 의미합니까? 미리 감사드립니다.

— saurabheights

여기를 읽으십시오 -en.wikipedia.org/wiki/…- "이 전략은 널리 사용되지만 여러 가지 문제로 인해 추론을하는 휴리스틱입니다. 첫째, 이진 분류 기준에 따라 신뢰도 값의 규모가 다를 수 있습니다. 클래스 분포는 훈련 세트에서 균형을 이룹니다. 이진 분류 학습자들은 일반적으로 그들이 보는 음의 세트가 양성 세트보다 훨씬 크기 때문에 불균형 분포를 볼 수 있습니다. " 여전히 그 불균형은 정확도에 어떤 영향을 미칩니 까?

— saurabheights