使用一对多方法将N个分类任务进行求解的策略方法描述正确的是（ ）
A: 如果测试结果有多个正例相近的分类器，则判断结果的置信度，置信度小的分类别作为最终分类器
B: 指将N个分类任务进行M次划分，每次将一部分类划分为正类，另一部分类划分为反类。
C: 使用N个分类器分别进行测试，测试结果正例最小的一个为所求解的分类器。
D: 训练时依次把某个类别的样本归为一类，其他剩余的样本归为另一类，可以概括为自己一类为正例，其余类为负例，N个分类任务将产生N个分类器。
A: 如果测试结果有多个正例相近的分类器，则判断结果的置信度，置信度小的分类别作为最终分类器
B: 指将N个分类任务进行M次划分，每次将一部分类划分为正类，另一部分类划分为反类。
C: 使用N个分类器分别进行测试，测试结果正例最小的一个为所求解的分类器。
D: 训练时依次把某个类别的样本归为一类，其他剩余的样本归为另一类，可以概括为自己一类为正例，其余类为负例，N个分类任务将产生N个分类器。
举一反三
- One-vs-rest逻辑回归分类法中，假设有n个类别，那么就会建立n个二项分类器，每个分类器针对其中一个类别和剩余类别进行分类。进行预测时，利用这n个二项分类器进行分类，得到数据属于当前类的概率，选择其中概率最大的一个类别作为最终的预测结果。
- 利用二分类学习器解决多分类任务的基本策略是对多分类任务进行（），为拆出的每个二分类任务训练一个分类器，然后对每个分类器的预测结果进行集成，以获得最终的多分类结果。（填空）
- 使用一对多方法将N个分类任务进行求解的策略方法描述正确的是（
- 中国大学MOOC: 假设测试数据集中共计有70个正类样本，30个负类样本。且某次分类结果如下表所示（表中各项的含义如表下方的注释所示）。则分类的召回率是 （要求：用小数表示，且保留小数点后两位）。实际类别预测类别正例负例总计正例TP=40FN=30P(实际为正例)=70负例FP=10TN=20N(实际为负例)=30表中数据项的含义：True positives(TP): 被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数（样本数）；False negatives(FN):被错误地划分为负例的个数，即实际为正例但被分类器划分为负例的实例数；False positives(FP): 被错误地划分为正例的个数，即实际为负例但被分类器划分为正例的实例数；Truenegatives(TN):被正确地划分为负例的个数，即实际为负例且被分类器划分为负例的实例数。
- 假设某分类器在一个测试数据集上的分类结果的混淆矩阵如下所示，请计算该分类器的错误率，以类别yes为正例，计算分类器的查准率precision为 %。【保留到整数位】 PredictedyesnoActualyes155no1020