【机器学习】分类任务: 二分类与多分类

二分类与多分类:概念与区别

二分类多分类是分类任务的两种类型,区分的核心在于目标变量(label)的类别数:

  • 二分类 :目标变量 y 只有两个类别,通常记为 y∈{0,1} 或 y∈{−1,1}。

    示例:垃圾邮件分类(垃圾邮件或非垃圾邮件)。

  • 多分类 :目标变量 y 包含三个或更多类别,记为 y∈{1,2,...,K}。

    示例:手写数字识别(类别为 0 到 9 的数字)。


1. 二分类问题

特征与目标
  • 输入:特征向量
  • 输出:目标 y ∈ {0,1}。
  • 模型预测:预测值为类别 1 的概率
模型与算法
  1. 常用模型

    • 逻辑回归
    • 支持向量机(SVM)
    • 决策树
    • 随机森林
    • 神经网络(二分类输出层使用 Sigmoid 激活)
  2. 损失函数

    • 对数似然损失(Log-Likelihood Loss):
  3. 评估指标

    • 准确率(Accuracy)
    • 精确率(Precision)
    • 召回率(Recall)
    • F1 分数(F1-Score)
    • AUC-ROC 曲线
案例代码
python 复制代码
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score, roc_auc_score

# 生成二分类数据
# 参数说明:n_samples=100表示生成100个样本,n_features=4表示数据有4个特征,n_classes=2表示二分类问题,
# n_informative=2表示其中2个特征是有信息的,n_redundant=1表示1个特征是冗余的,n_repeated=0表示没有重复的特征,
# random_state=0表示随机种子,保证结果可重复
X, y = make_classification(n_samples=100, n_features=4, n_classes=2, n_informative=2, n_redundant=1, n_repeated=0,
                           random_state=0)

# 数据集划分
# 将数据集划分为训练集和测试集,test_size=0.2表示测试集占20%,random_state=42保证划分结果可重复
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 使用逻辑回归模型进行训练
# 初始化逻辑回归模型
model = LogisticRegression()
# 使用训练集数据拟合模型
model.fit(X_train, y_train)
# 预测测试集的类别
y_pred = model.predict(X_test)
# 预测测试集的正类概率
y_prob = model.predict_proba(X_test)[:, 1]

# 评估模型性能
# 输出测试集的准确率
print("Accuracy:", accuracy_score(y_test, y_pred))
# 输出测试集的AUC-ROC分数
print("AUC-ROC:", roc_auc_score(y_test, y_prob))

输出结果

bash 复制代码
Accuracy: 0.9
AUC-ROC: 0.9090909090909091

2. 多分类问题

特征与目标
  • 输入:特征向量
  • 输出:目标
  • 模型预测:预测每个类别的概率 ,所有类别概率之和为 1。
模型与算法
  1. 常用模型

    • Softmax 回归(多类别逻辑回归)
    • 决策树与随机森林
    • 梯度提升树(如 XGBoost、LightGBM)
    • 神经网络(输出层使用 Softmax 激活)
  2. 损失函数

    • 交叉熵损失(Cross-Entropy Loss): ,k 是样本 i 被预测为类别 k 的概率。
  3. 评估指标

    • 准确率(Accuracy)
    • 混淆矩阵(Confusion Matrix)
    • 平均精确率、召回率与 F1 分数(Macro / Micro / Weighted)
案例代码
python 复制代码
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score, classification_report

# 生成二分类数据
# 参数说明:n_samples=100表示生成100个样本,n_features=4表示数据有4个特征,n_classes=2表示二分类问题,
# n_informative=2表示其中2个特征是有信息的,n_redundant=1表示1个特征是冗余的,n_repeated=0表示没有重复的特征,
# random_state=0表示随机种子,保证结果可重复
X, y = make_classification(n_samples=100, n_features=4, n_classes=2, n_informative=2, n_redundant=1, n_repeated=0,
                           random_state=0)

# 数据集划分
# 将数据集划分为训练集和测试集,test_size=0.2表示测试集占20%,random_state=42保证划分结果可重复
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 初始化随机森林分类器模型
model = RandomForestClassifier()

# 使用训练集数据拟合模型
model.fit(X_train, y_train)

# 使用拟合好的模型对测试集进行预测
y_pred = model.predict(X_test)

# 评估
# 输出模型的准确率
print("Accuracy:", accuracy_score(y_test, y_pred))
# 输出模型的分类报告,包含精确度、召回率、F1分数等指标
print("Classification Report:\n", classification_report(y_test, y_pred))

输出结果

python 复制代码
Accuracy: 0.9
Classification Report:
               precision    recall  f1-score   support

           0       1.00      0.82      0.90        11
           1       0.82      1.00      0.90         9

    accuracy                           0.90        20
   macro avg       0.91      0.91      0.90        20
weighted avg       0.92      0.90      0.90        20

3. 二分类与多分类的区别

属性 二分类 多分类
目标变量 y∈{0,1} y∈{1,2,...,K}
损失函数 对数似然损失 交叉熵损失
预测输出 类别 0 或 1 的概率 每个类别的概率分布
模型复杂度 相对简单 更复杂,需要考虑类别间关系
评估指标 精确率、召回率、AUC 等 混淆矩阵、宏平均 F1 等

4. 注意事项

  1. 模型选择

    • 对于二分类问题,许多模型(如逻辑回归、SVM)内置支持;
    • 多分类问题可通过**一对多(OvR)多对多(OvO)**策略,将多分类问题分解为多个二分类问题。
  2. 不平衡数据

    • 二分类和多分类中,不平衡数据都会导致评估指标偏差,需要关注 AUC 或调整权重。
  3. 概率解释

    • 二分类中概率直接表示为某一类别的置信度;
    • 多分类中概率分布表示样本属于每个类别的可能性。

总结而言,二分类和多分类的问题框架和方法类似,但多分类问题需要更复杂的模型和损失函数来捕捉类别间关系,是分类任务中的重要延伸!

相关推荐
梁辰兴6 分钟前
数据结构:排序
数据结构·算法·排序算法·c·插入排序·排序·交换排序
野犬寒鸦20 分钟前
力扣hot100:搜索二维矩阵 II(常见误区与高效解法详解)(240)
java·数据结构·算法·leetcode·面试
hundaxxx24 分钟前
自演化大语言模型的技术背景
人工智能
菜鸟得菜24 分钟前
leecode kadane算法 解决数组中子数组的最大和,以及环形数组连续子数组的最大和问题
数据结构·算法·leetcode
数智顾问1 小时前
【73页PPT】美的简单高效的管理逻辑(附下载方式)
大数据·人工智能·产品运营
love530love1 小时前
【保姆级教程】阿里 Wan2.1-T2V-14B 模型本地部署全流程:从环境配置到视频生成(附避坑指南)
人工智能·windows·python·开源·大模型·github·音视频
木头左1 小时前
结合机器学习的Backtrader跨市场交易策略研究
人工智能·机器学习·kotlin
Coovally AI模型快速验证1 小时前
3D目标跟踪重磅突破!TrackAny3D实现「类别无关」统一建模,多项SOTA达成!
人工智能·yolo·机器学习·3d·目标跟踪·无人机·cocos2d
研梦非凡1 小时前
CVPR 2025|基于粗略边界框监督的3D实例分割
人工智能·计算机网络·计算机视觉·3d
MiaoChuAI1 小时前
秒出PPT vs 豆包AI PPT:实测哪款更好用?
人工智能·powerpoint