1-VS-Rest策略

1-VS-Rest策略概念

1-VS-Rest策略是一种机器学习算法的策略，将每个类别作为一个二分类问题来处理，可以用于解决多类分类问题。

在训练时，将需要识别出的类别的数据作为正例，其余数据作为反例。
这种训练方式被称为1-VS-Rest，也就是1对其余的策略。

例如，在对绿色、蓝色和红色三种数据进行分类时，分别训练绿色对蓝色和红色、蓝色对绿色和红色、红色对绿色和蓝色三个模型。

如果有N个目标类别，就需要训练N个二分类模型。在使用这些模型时，这N个模型互相独立，互不干扰。
对于同一个待预测数据，每个模型都需要计算一遍。

输出识别结果时，可以选择置信度最大的某一个结果，也可以选择置信度超过0.5的多个结果。
具体如何选择，与实际的任务相关。

例如，我们要搭建一个新闻分类系统，根据输入的文章内容，输出文章的类别。
这时，某偏文章就可能是既是体育新闻，同时还有娱乐属性，因此就需要同时输出这两个类别。

1-VS-Rest策略使用场景

1-VS-Rest策略对目标类别，使用一个二分类算法（如逻辑回归、支持向量机等）来训练一个分类器。
这样，对于每个类别，都会得到一个独立的分类器。

对于不同的类别，我们甚至可以使用不同的二分类模型进行训练。
例如，我们可以将逻辑回归、SVM、决策树，这三种模型，应用在同一个分类系统中，来识别不同的类别。

基于1-VS-Rest策略的多分类，其优势是可维护性高，随时可以增加新的类别模型，或者修改升级其中某个模型，都不会对其他已有模型产生影响。

另外，分类结果是相互独立的，可以自由选择这些模型的组合方式，进行更有针对的调试和优化。