二分類與多分類：概念與區(qū)別

二分類和多分類是分類任務(wù)的兩種類型，區(qū)分的核心在于目標(biāo)變量（label）的類別數(shù)：

• 二分類：目標(biāo)變量 y?只有兩個(gè)類別，通常記為 y∈{0,1} 或 y∈{?1,1}。
  示例：垃圾郵件分類（垃圾郵件或非垃圾郵件）。

• 多分類：目標(biāo)變量 y?包含三個(gè)或更多類別，記為 y∈{1,2,…,K}。
  示例：手寫數(shù)字識(shí)別（類別為 0 到 9 的數(shù)字）。

---

1. 二分類問題

特征與目標(biāo)

• 輸入：特征向量 。
• 輸出：目標(biāo) y ∈ {0,1}。
• 模型預(yù)測(cè)：預(yù)測(cè)值為類別 1 的概率 。

模型與算法

1. 常用模型：

   • 邏輯回歸
   • 支持向量機(jī)（SVM）
   • 決策樹
   • 隨機(jī)森林
   • 神經(jīng)網(wǎng)絡(luò)（二分類輸出層使用 Sigmoid 激活）

2. 損失函數(shù)：

   • 對(duì)數(shù)似然損失（Log-Likelihood Loss）：

3. 評(píng)估指標(biāo)：

   • 準(zhǔn)確率（Accuracy）
   • 精確率（Precision）
   • 召回率（Recall）
   • F1 分?jǐn)?shù)（F1-Score）
   • AUC-ROC 曲線

案例代碼

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# 生成二分類數(shù)據(jù)
# 參數(shù)說明：n_samples=100表示生成100個(gè)樣本，n_features=4表示數(shù)據(jù)有4個(gè)特征，n_classes=2表示二分類問題，
# n_informative=2表示其中2個(gè)特征是有信息的，n_redundant=1表示1個(gè)特征是冗余的，n_repeated=0表示沒有重復(fù)的特征，
# random_state=0表示隨機(jī)種子，保證結(jié)果可重復(fù)
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)# 數(shù)據(jù)集劃分
# 將數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集，test_size=0.2表示測(cè)試集占20%，random_state=42保證劃分結(jié)果可重復(fù)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)# 使用邏輯回歸模型進(jìn)行訓(xùn)練
# 初始化邏輯回歸模型
model = LogisticRegression()
# 使用訓(xùn)練集數(shù)據(jù)擬合模型
model.fit(X_train, y_train)
# 預(yù)測(cè)測(cè)試集的類別
y_pred = model.predict(X_test)
# 預(yù)測(cè)測(cè)試集的正類概率
y_prob = model.predict_proba(X_test)[:, 1]# 評(píng)估模型性能
# 輸出測(cè)試集的準(zhǔn)確率
print("Accuracy:", accuracy_score(y_test, y_pred))
# 輸出測(cè)試集的AUC-ROC分?jǐn)?shù)
print("AUC-ROC:", roc_auc_score(y_test, y_prob))

輸出結(jié)果

Accuracy: 0.9
AUC-ROC: 0.9090909090909091

---

2. 多分類問題

特征與目標(biāo)

• 輸入：特征向量 。
• 輸出：目標(biāo) 。
• 模型預(yù)測(cè)：預(yù)測(cè)每個(gè)類別的概率 ，所有類別概率之和為 1。

模型與算法

1. 常用模型：

   • Softmax 回歸（多類別邏輯回歸）
   • 決策樹與隨機(jī)森林
   • 梯度提升樹（如 XGBoost、LightGBM）
   • 神經(jīng)網(wǎng)絡(luò)（輸出層使用 Softmax 激活）

2. 損失函數(shù)：

   • 交叉熵?fù)p失（Cross-Entropy Loss）：,k? 是樣本 i?被預(yù)測(cè)為類別 k?的概率。

3. 評(píng)估指標(biāo)：

   • 準(zhǔn)確率（Accuracy）
   • 混淆矩陣（Confusion Matrix）
   • 平均精確率、召回率與 F1 分?jǐn)?shù)（Macro / Micro / Weighted）

案例代碼

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# 生成二分類數(shù)據(jù)
# 參數(shù)說明：n_samples=100表示生成100個(gè)樣本，n_features=4表示數(shù)據(jù)有4個(gè)特征，n_classes=2表示二分類問題，
# n_informative=2表示其中2個(gè)特征是有信息的，n_redundant=1表示1個(gè)特征是冗余的，n_repeated=0表示沒有重復(fù)的特征，
# random_state=0表示隨機(jī)種子，保證結(jié)果可重復(fù)
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)# 數(shù)據(jù)集劃分
# 將數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集，test_size=0.2表示測(cè)試集占20%，random_state=42保證劃分結(jié)果可重復(fù)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)# 初始化隨機(jī)森林分類器模型
model = RandomForestClassifier()# 使用訓(xùn)練集數(shù)據(jù)擬合模型
model.fit(X_train, y_train)# 使用擬合好的模型對(duì)測(cè)試集進(jìn)行預(yù)測(cè)
y_pred = model.predict(X_test)# 評(píng)估
# 輸出模型的準(zhǔn)確率
print("Accuracy:", accuracy_score(y_test, y_pred))
# 輸出模型的分類報(bào)告，包含精確度、召回率、F1分?jǐn)?shù)等指標(biāo)
print("Classification Report:\n", classification_report(y_test, y_pred))

輸出結(jié)果

Accuracy: 0.9
Classification Report:precision    recall  f1-score   support0       1.00      0.82      0.90        111       0.82      1.00      0.90         9accuracy                           0.90        20macro avg       0.91      0.91      0.90        20
weighted avg       0.92      0.90      0.90        20

---

3. 二分類與多分類的區(qū)別

屬性	二分類	多分類
目標(biāo)變量	y∈{0,1}	y∈{1,2,…,K}
損失函數(shù)	對(duì)數(shù)似然損失	交叉熵?fù)p失
預(yù)測(cè)輸出	類別 0 或 1 的概率	每個(gè)類別的概率分布
模型復(fù)雜度	相對(duì)簡單	更復(fù)雜，需要考慮類別間關(guān)系
評(píng)估指標(biāo)	精確率、召回率、AUC 等	混淆矩陣、宏平均 F1 等

---

4. 注意事項(xiàng)

1. 模型選擇：

   • 對(duì)于二分類問題，許多模型（如邏輯回歸、SVM）內(nèi)置支持；
   • 多分類問題可通過**一對(duì)多（OvR）或多對(duì)多（OvO）**策略，將多分類問題分解為多個(gè)二分類問題。

2. 不平衡數(shù)據(jù)：

   • 二分類和多分類中，不平衡數(shù)據(jù)都會(huì)導(dǎo)致評(píng)估指標(biāo)偏差，需要關(guān)注 AUC 或調(diào)整權(quán)重。

3. 概率解釋：

   • 二分類中概率直接表示為某一類別的置信度；
   • 多分類中概率分布表示樣本屬于每個(gè)類別的可能性。

---

總結(jié)而言，二分類和多分類的問題框架和方法類似，但多分類問題需要更復(fù)雜的模型和損失函數(shù)來捕捉類別間關(guān)系，是分類任務(wù)中的重要延伸！