Python如何实现多分类逻辑斯蒂回归回归分析详细教程？

本文共计1755个文字，预计阅读时间需要8分钟。

目录 + 逻辑斯蒂回归模型多分类功能 + 1.ovr策略 + 2.one vs one策略 + 3.softmax策略 + 逻辑斯蒂回归模型多分类案例实现 + 逻辑斯蒂回归模型多分类任务 + 上节中，我们使用逻辑斯蒂回归完成了二分类任务

目录

• 逻辑斯蒂回归模型多分类任务
• 1.ovr策略
• 2.one vs one策略
• 3.softmax策略
• 逻辑斯蒂回归模型多分类案例实现

逻辑斯蒂回归模型多分类任务

上节中，我们使用逻辑斯蒂回归完成了二分类任务，针对多分类任务，我们可以采用以下措施，进行分类。

我们以三分类任务为例，类别分别为a,b,c。

1.ovr策略

我们可以训练a类别，非a类别的分类器，确认未来的样本是否为a类； 同理，可以训练b类别，非b类别的分类器，确认未来的样本是否为b类； 同理，可以训练c类别，非c类别的分类器，确认未来的样本是否为c类；这样我们通过增加分类器的数量，K类训练K个分类器，完成多分类任务。

2.one vs one策略

我们将样本根据类别进行划分，分别训练a与b、a与c、b与c之间的分类器，通过多个分类器判断结果的汇总打分，判断未来样本的类别。