Sklearn：使用 OneVsRestClassifier 和单独构建每个分类器之间的区别
Sklearn: Difference between using OneVsRestClassifier and build each classifier individually
据我所知，多标签问题可以通过一对多的方案来解决，为此 Scikit-learn 将 OneVsRestClassifier 作为分类器的包装器实现，例如 svm.SVC。我想知道如果我真的训练会有什么不同，假设我们有一个多标签问题，n 类，每个标签都有 n 个单独的二元分类器，从而分别评估它们。
我知道这类似于 "manual" 实现一对多而不是使用包装器的方式，但这两种方式实际上不同吗？如果是这样，它们有何不同，例如执行时间或分类器的性能？
没有区别。对于多标签分类，sklearn one-versus-rest 实现了你所描述的二元相关性。
据我所知，多标签问题可以通过一对多的方案来解决，为此 Scikit-learn 将 OneVsRestClassifier 作为分类器的包装器实现，例如 svm.SVC。我想知道如果我真的训练会有什么不同，假设我们有一个多标签问题，n 类，每个标签都有 n 个单独的二元分类器，从而分别评估它们。
我知道这类似于 "manual" 实现一对多而不是使用包装器的方式，但这两种方式实际上不同吗？如果是这样，它们有何不同，例如执行时间或分类器的性能？
没有区别。对于多标签分类，sklearn one-versus-rest 实现了你所描述的二元相关性。