特に2つの概念を組み合わせると、マルチ分類問題とマルチラベル学習の2つの確率を混同しやすくなります。また、マルチ分類問題に多対多モデルを使用する場合は、次のようになります。めまいがする可能性が高いので、著者はここで簡単です2つの間の類似点と相違点を紹介します。
1複数分類の問題
1.11対1
分類が複数分類（つまり、k> 2）の場合、複数分類問題は、異なるクラスのペアワイズの組み合わせである通常の2分類問題として柔軟に処理できます。たとえば、k = 3の場合：
分類器の総数はk（k-1）/ 2 = 3です。これは、k個の分類器のうち2つが常に選択されることを意味します。
分類子の状況は、（正のクラス|負のクラス）:(クラス1 |クラス2）、（クラス1 |クラス3）、（クラス2 |クラス3）です。
1.2他の1つのペア
他のモデルのペアは、他のカテゴリを負のクラスと見なし、モデルの数を減らすことができます。1対1のモデルの数はn（n-1）/ 2であり、他のモデルの数はnです。
分類子の状況は次のとおりです（正のクラス|他のクラスは負のクラス）：k = 3、（クラス1 |クラス2、クラス3）、（クラス2 |、クラス1、クラス3）、（クラス3 |クラス1 、クラス2）
1.3多対多
多対多モデルは、他のモデルのペアが2つ以上の分類器の出力が正である状況に遭遇する可能性があるため、他のモデルをさらに改善します。このとき、他のモデルのペアが分類ラベルを選択します。サンプルの確率が最も高く、多対多のモデラーが両方の分類ラベルをサンプルに与えます。これはマルチラベル学習と重複します。最初の2つの状況はよりよく理解されます。通常の状況では、最初の2つのモデルの状況について説明します。デフォルトでは、つまり、1つのペアが1つ、もう1つです。この特別な場合を覚えておいてください。
2マルチラベル学習
マルチラベル学習は、マルチラベル学習とも呼ばれます。画像に複数のタグ情報を割り当てることです。下の写真のように、そのラベルは（木、空、人）、
3つの類似点
マルチ分類問題は、サンプルにある種のラベル情報を提供するという点でマルチラベル学習に似ています。特に、マルチ分類問題が多対多モデルである場合、マルチ分類には次のものを含めることができます。複数のラベル。
4つの違い
一般的に、多肢選択問題は、サンプルの確率が最も高い分類ラベルを選択することです。前の試験で多肢選択式の質問を行う場合は、最も正しいものを選択してください。これは多肢選択式の質問ですが、多肢選択式の質問です。ラベル学習は多肢選択問題です。サンプルに適したラベル情報は、適切なラベルを選択することです。それは多肢選択問題です。
機械学習の観点からは、マルチ分類は具体的な問題であり、マルチラベル学習は学習フレームワーク、一般的なパラダイム、および具体的な抽象化です。