我是一名机器学习的新手。在学习逻辑回归时,我了解到可以使用一对多(one-vs-all)方法进行多分类:逻辑回归中的假设函数试图估计正类的概率。假设我们有3个类别,那么每个类别,我们都应该预测假设函数h(x)。
h1(x)=P(y=1|x)
h2(x)=P(y=2|x)
h3(x)=P(y=3|x)
然而,这三种概率的总和不等于1? 我“感觉”它应该等于1,但我不明白为什么不是。 有人能解释一下吗?
我是一名机器学习的新手。在学习逻辑回归时,我了解到可以使用一对多(one-vs-all)方法进行多分类:逻辑回归中的假设函数试图估计正类的概率。假设我们有3个类别,那么每个类别,我们都应该预测假设函数h(x)。
h1(x)=P(y=1|x)
h2(x)=P(y=2|x)
h3(x)=P(y=3|x)
h1(x)
、h2(x)
和 h3(x)
的总和不应该等于 1。p(y=1|x)
和 p(y!=1|x)
,它们加起来等于 1:p(y=1|x) + p(y!=1|x) = 1.
但是,由于一对多分类是独立的,因此
p(y!=1|x) != p(y=2|x) + p(y=3|x) (at least not necessarily).
p(y=1|x) + p(y=2|x) + p(y=3|x) != 1.