machine-learning - 一对多 SVM 引入了类别不平衡

Question

对于一对多方法，它取决于等于类数 n 的二元分类器。它假设一个类被标记为 1，而其余类被标记为 0:

model = cell(numLabels,1);
for k=1:numLabels
    model{k} = svmtrain(double(trainLabel==k), trainData, '-c 1 -g 0.2 -b 1');
end

对于大量类和大量图像(每个类 5000 个)。这意味着在上面的代码中，一个类将为 5000，而数据集的其余部分为 (n-1)*5000。这种不平衡可以接受吗？我的意思是一对一会更好地避免不平衡，或者它是否依赖于分类问题？出现这种情况是否可以接受？如何知道这是否给我带来了问题？

Answer 1

是的，一般来说，就平衡而言，一对一是更好的解决方案，但它需要更高的计算和内存成本(因为您需要 n^2 个分类器)。因此，这是一种常见的做法，改为训练 1 对所有人。为了避免这个问题，您可以使用“类(class)权重”方案，该方案可确保较小的类(class)获得更多学习者的关注(对代表较差的类(class)进行错误分类的成本更高)。