如果数据集包含多类别，例如。0级，1级和2级。现在，目标是将新样本分为0类或 non-0类。
一个可以
- 将1,2级组合成统一的非0级和训练二进制分类器，
- 或训练多级分类器进行二进制分类。
这两种方法的性能如何？
我认为更多类别会带来更准确的判别表面，但是1-和2类的权重低于非0类，导致样品被判断为非0类别的样品。<<<<<<<<<<<<<</p>
简短答案：您必须尝试并查看。
为什么？：它确实取决于您使用的数据和您使用的算法(就像许多其他机器学习问题一样。(
对于许多分类算法(例如SVM，Logistic回归(，即使您想进行多类分类，也必须执行一个单VS-ALL分类，这意味着您必须对待1类和1类和类别。第2级作为同一班级。因此，如果您只需要分开0。
对于诸如神经网络之类的算法，拥有多个输出类是更自然的算法，我认为如果您的类别0、1和2非常不同，培训多类分类器可能会更有益。但是，这意味着您必须选择一个更复杂的算法才能适合这三个算法。但是合身可能会更好。因此，如前所述，您确实必须尝试这两种方法并使用良好的指标来评估性能(例如，混乱矩阵，F-Score等。(
(我希望这有点有帮助。