摘要
K近邻算法是一种高效且易实现的监督型机器学习算法。对于多分类问题通常将多分类任务拆解为多个二分类任务进行求解,一般采取OVO(一对一)及OVA(一对多)两种机制进行解决。该文主要在鸢尾花数据集上,对两种方式进行比较,仿真结果表明,采用这两种不同的方式处理多分类问题,结果是一致的,但各有优劣。
KNN algorithm is an efficient and easy to implement supervised machine learning algorithm. For multi-classification problems, multi-classification tasks are usually decomposed into multiple binary tasks to solve. OVO(one versus one) and OVA(one versus all) mechanisms are generally adopted to solve the problem. In this paper, we compare the two methods on Iris data set. The simulation results show that the two methods have the same results, but each has its own advantages.
出处
《电脑知识与技术》
2018年第12X期230-231,共2页
Computer Knowledge and Technology
基金
湖南省普通高等学校教学改革研究项目(湘教通[2018]436号)
湖南省自然科学基金(2018JJ3351)
教育部产学合作协同育人项目(201702001043
201801037136)
湖南省教育厅资助科研项目(15B137
15K082
16C0084)
湖南省学位与研究生教育教学改革研究项目(JG2015B041
JG2018A012)
湖南师范大学教学改革项目([2018]51号文
No.53
No.55)
湖南省大学生研究性学习和创新性实验计划项目
国家级大学生创新创业训练计划支持项目(201810542013)
湖南省社科联重点项目(ZK2018009)
湖南省教育科学"十三五"规划课题(XJK17CZY108)
关键词
一对一策略
一对多策略
K近邻算法
One versus one strategy
One versus all strategy
K nearest neighbor algorithm
