분류: 다중 클래스 분류
컬렉션을 사용해 정리하기
내 환경설정을 기준으로 콘텐츠를 저장하고 분류하세요.
다중 클래스 분류는 이진 분류의 확장으로 간주할 수 있습니다. 각 예시를 하나의 클래스에만 할당할 수 있는 경우 분류 문제를 이진 분류 문제로 처리할 수 있습니다. 이 경우 한 클래스에는 여러 클래스 중 하나가 포함되고 다른 클래스에는 다른 모든 클래스가 함께 포함됩니다.
그런 다음 원래 클래스마다 프로세스를 반복할 수 있습니다.
예를 들어 A, B, C 라벨로 예시를 분류하는 3개 클래스 다중 클래스 분류 문제에서 이 문제를 두 개의 개별 이진 분류 문제로 바꿀 수 있습니다. 먼저 A+B 라벨과 C 라벨을 사용하여 예시를 분류하는 이진 분류기를 만들 수 있습니다. 그런 다음 A 라벨과 B 라벨을 사용하여 A+B 라벨이 지정된 예시를 재분류하는 두 번째 이진 분류기를 만들 수 있습니다.
다중 클래스 문제의 예는 필기 숫자의 이미지를 가져와서 0~9 중 어떤 숫자가 표시되는지 결정하는 필기 분류기입니다.
클래스 멤버십이 배타적이지 않은 경우, 즉 예를 여러 클래스에 할당할 수 있는 경우를 다중 라벨 분류 문제라고 합니다.
달리 명시되지 않는 한 이 페이지의 콘텐츠에는 Creative Commons Attribution 4.0 라이선스에 따라 라이선스가 부여되며, 코드 샘플에는 Apache 2.0 라이선스에 따라 라이선스가 부여됩니다. 자세한 내용은 Google Developers 사이트 정책을 참조하세요. 자바는 Oracle 및/또는 Oracle 계열사의 등록 상표입니다.
최종 업데이트: 2024-11-06(UTC)
[null,null,["최종 업데이트: 2024-11-06(UTC)"],[[["\u003cp\u003eMulti-class classification extends binary classification to handle more than two classes, often by breaking the problem down into multiple binary classifications.\u003c/p\u003e\n"],["\u003cp\u003eIn multi-class classification, each example is assigned to only one class, like classifying handwritten digits (0-9).\u003c/p\u003e\n"],["\u003cp\u003eIf an example can belong to multiple classes, it's called multi-label classification, which is a distinct but related concept.\u003c/p\u003e\n"],["\u003cp\u003eMulti-class classification can be achieved by creating a series of binary classifiers, each distinguishing between a subset of classes.\u003c/p\u003e\n"]]],[],null,["# Classification: Multi-class classification\n\nMulti-class classification can be treated as an extension of\n[**binary classification**](/machine-learning/glossary#binary_classification)\nto more than two classes. If each example can only be\nassigned to one class, then the classification problem can be handled as a\nbinary classification problem, where one class contains one of the multiple\nclasses, and the other class contains all the other classes put together.\nThe process can then be repeated for each of the original classes.\n\nFor example, in a three-class multi-class classification problem,\nwhere you're classifying examples with the labels **A** , **B** , and\n**C** , you could turn the problem into two separate binary classification\nproblems. First, you might create a binary classifier that categorizes examples\nusing the label **A+B** and the label **C** . Then, you could create a second\nbinary classifier that reclassifies the examples that are labeled **A+B**\nusing the label **A** and the label **B**.\n\nAn example of a multi-class problem is a handwriting classifier that takes\nan image of a handwritten digit and decides which digit, 0-9, is represented.\n\nIf class membership isn't exclusive, which is to say, an example can be\nassigned to multiple classes, this is known as a *multi-label* classification\nproblem.\n| Multi-class classification is explored more deeply in the [Multi-class neural networks](/machine-learning/crash-course/neural-networks/multi-class) section of the [Neural Networks](/machine-learning/crash-course/neural-networks) module.\n| **Key terms:**\n|\n- [Binary classification](/machine-learning/glossary#binary_classification) \n[Help Center](https://support.google.com/machinelearningeducation)"]]
