[Week 3] Machine-learning Notes 9 ——Multiclass Classification（多类别分类问题）

Multiclass Classification

之前讨论的都是2个类别的分类问题，但是大部分其实都不是布尔分类，如何使用逻辑回归 (logistic regression) 来解决多类别分类问题是通过一个叫做"一对多" (one-vs-all)或者一对余 (one-vs-rest) 的分类算法来实现的

其原理很简单也很弱智，可以将数据集一分为二，为正类和负类，用一对多的分类思想 我们可以将其用在多类分类问题上。
比如有三个类别，我们就可以把它分成三个二元分类问题。
对于每一个类别，将其视为正类，将其他的所有类别视为负类，这样可以得到三个逻辑回归分类器，（因为分类器本来算的就是某种类别发生的概率，所以我们只需要关注这种类别，而将其他类别视为多余的（一对余）即可）

所以每种情况都会对应一个新的分类器，当有新的x值输入进的时候，我们需要将x带入三个分类器中，选择分类器h（x）求得数据最大的那个值的那个分类器，就是可信度最高最好的。我们预测y（实际值）就是那个值。（因为h(x)的值相当于在给定x的情况下，出现在各分类的概率，最高的h（x）就是最有可能在这个类别。）