将多分类问题化为二分类问题

Question

我正在用众所周知的UCI heart disease dataset做一个实验，但是没有显示出好的结果（大约58%的准确率）。你知道吗

该数据集有5个有序类，“心脏病存在水平”从0到4，其中0表示无心脏病，4表示高心脏病。问题是这个数据集非常不平衡，而且分类为0的对象比其他对象多得多。将此数据集提交给MLP，其准确率为58%，非常低。你知道吗

所以，我想把从1到4分类的所有对象组合起来，并将其转换为二元分类（例如，0=没有疾病/1=发现疾病）。我注意到这被称为one-against-all策略。因为我对ML这个世界非常陌生，我想知道如何用熊猫来做这个，或者是否有更好的工具来做这个。你知道吗

Answer 1

它很简单，当前您的y_train数据如下：[1,2,5,2,1,3,2,4,4,4,5,5,5] 您要做的是创建一个空数组binary_labels，然后遍历PD中的每一行，如果标签是1-4，您将0附加到二进制\u标签，否则您将附加1。然后向PD引入一个新列，并根据它的值设置二进制\u标签，或者用这个数组替换y\u列数据。你知道吗

此外，您还可以替换MLP中的loss函数，等等，但这就是数据的结构。你知道吗