scikit-learn模型参数保存和多分类策略（one vs one和one vs rest）

模型参数保存

方式1 使用 pickle

例如

>>> from sklearn import svm
>>> from sklearn import datasets
>>> clf = svm.SVC(gamma='scale')
>>> iris = datasets.load_iris()
>>> X, y = iris.data, iris.target
>>> clf.fit(X, y)
SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
decision_function_shape='ovr', degree=3, gamma='scale', kernel='rbf',
max_iter=-1, probability=False, random_state=None, shrinking=True,
tol=0.001, verbose=False)
>>> import pickle
>>> s = pickle.dumps(clf)  保存为一个变量
>>> clf2 = pickle.loads(s)   调用保存
>>> clf2.predict(X[0:1])
array([0])
>>> y[0]
0

方式2 使用joblib’s  保存到文件（推荐）

例如
>>> from joblib import dump, load
>>> dump(clf, 'filename.joblib')      保存
>>> clf = load('filename.joblib')     调用

参考自  scikitlearn-docs 2.1.4

多分类策略

one vs rest 和 one vs one

1

One-vs-all 也称为one vs rest

参考

https://www.cnblogs.com/sl0309/p/10395010.html

右侧有三类，

在此策略下，

三角   为一类  叉叉和方格  一同为一类   

同理

叉叉 为一类   三角和方格  一同为一类

方格 为一类   三角和叉叉  一同为一类

这样 三个分类变成了 三个二分类 

推广

类1 类2 类3 类4 ….类k

分为k个二分类

1  类1和其他(类2,3，。。。之和)

2  类2和其他(类1,3，。。。之和)

…

k  类k和其他(类1,2，。。，k-1之和)

2

one-versus-one

一对一的分类。

参考 https://www.cnblogs.com/CheeseZH/p/5265959.html

有图有三个类

成对（两两）组成

三角 和 叉叉

方格 和 叉叉

三角 和 方格

类1  类2  类3  类4 。。。 类k

K-1个  类1 类2   and   类1 类3 and 。。。。  and 类1 类k

K-2个  类2 类3  and 类2 类4 and  。。。 and 类2 类k

。。。

1个  类k-1 and  类k

共（k-1）x（（k-1）+1）/2