(机器学习)一对多(OvR)分类策略:在多分类问题中,把某一类当作“正类”,其余所有类别合并为“负类”,为每个类别各训练一个二分类器;预测时通常选择得分最高的那个类别。(也常写作 one-vs-all)
/ˌwʌn vɝz ˈrɛst/
We used one-vs-rest to turn a three-class problem into three binary classifiers.
我们用一对多把三分类问题转成三个二分类器。
In a one-vs-rest setup with linear SVMs, each class gets its own separating hyperplane, and the final label is chosen by the highest decision score.
在线性 SVM 的一对多方案中,每个类别都有自己的分离超平面,最终标签由最高的判别得分决定。
“one-vs-rest”由短语 one(一个)+ vs(versus,意为“对/对抗”)+ rest(其余)构成,是机器学习领域对多分类拆分策略的直观命名:把“某一类”拿来与“其他所有类”对比训练,因此得名。