如果将 LinearRegression 与 OneVsRestClassifier 一起使用会发生什么答案

【问题标题】：What happens if you use LinearRegression with OneVsRestClassifier如果将 LinearRegression 与 OneVsRestClassifier 一起使用会发生什么
【发布时间】：2020-12-03 21:32:07
【问题描述】：

我想了解当我们使用 LinearRegression 作为估算器时，在 scikitlearn OneVsRestClassifier 的幕后会发生什么。它是否为每个类创建一个 LinearRegressor 并应用一个 softmax 函数来返回一个输出类？这方面的文档不清楚。甚至fit()的源代码似乎也足够清晰。

【问题讨论】：

我认为它不希望您使用 LinearRegression 作为分类问题的估计量。你为什么要这样做？
线性回归甚至不是分类器；为什么它应该与 OneVsRest 一起使用？
我正在考虑使用 OneVsRestClassifier 来拟合 RBFNetwork 的隐藏->输出权重。我可以为此使用 LinearRegression，然后应用 softmax 函数来确定每个样本的类/目标。这就是为什么我想深入了解 OneVsRestClassifier。

标签： python machine-learning scikit-learn classification

【解决方案1】：

OvR 用于分类而不是回归，因此使用 LinearRegression 根本不起作用。

one-versus-the-rest(OvR) 策略用于具有多个二元分类器的多类分类。以 MNIST 数字数据集为例，您希望创建一个系统，该系统可以使用 OvR 将数字图像分类为 10 个类别（从 0 到 9），您将训练 10 个二进制分类器，每个数字一个（0 检测器， 1 检测器、2 检测器等）。然后，当您要对图像进行分类时，您可以从该图像的每个分类器中获得决策分数，然后选择其分类器输出最高分数的类。

【讨论】：

您好，请看我对上述答案的评论。谢谢！