机器学习在现实中常常遇到多分类问题，而一些优秀的二分类学习算法（如逻辑回归，SVM等等）不支持多分类任务。一般地，对于这类问题通用的解决策略是对将其进行拆分，即将多分类任务拆解成多个二分类任务，常用的拆解策略有一对一、一对多和多对多，另外还有有向无环图、层级分类等扩展算法。本次报告介绍了这5种算法的原理和优劣势分析，并展示了两个实际中多分类任务拆解的应用。
原创文章，作者：BFS，如若转载，请注明出处：https://www.isclab.org.cn/2019/04/21/%e5%ad%a6%e6%9c%af%e6%8a%a5%e5%91%8a-%e6%9c%ba%e5%99%a8%e5%ad%a6%e4%b9%a0%e4%b8%ad%e7%9a%84%e5%a4%9a%e5%88%86%e7%b1%bb%e9%97%ae%e9%a2%98/