5.2 多分类任务

逻辑回归通常用于二分类问题，但可以通过一对多（One-vs-Rest，OvR）以及Softmax回归（Multinomial Logistic Regression，多项逻辑回归）来扩展到多分类任务。

5.2.1 一对多（OVR）

1. 实现方式

若有C个类别，则训练C个二分类逻辑回归分类器。

每个分类器将一个类别作为正例、所有其他类别作为反例。

预测时，计算C个分类器的输出概率，选取概率最高的类别。

对于类别c：

2.优缺点

优点：简单易于实现，适用于类别数量较少的情况。

缺点：每个类别训练1个分类器，当类别数量较多时，训练时间较长。

3.API

from sklearn.linear_model import LogisticRegression

model = LogisticRegression(multi_class="ovr")

# 或

from sklearn.multiclass import OneVsRestClassifier

model = OneVsRestClassifier(LogisticRegression())

5.2.2 Softmax回归（多项逻辑回归）

from sklearn.linear_model import LogisticRegression

model = LogisticRegression(multi_class="multinomial")

# 对于多分类问题，LogisticRegression会自动使用multinomial，因此multi_class参数可省略

model = LogisticRegression()