Organiza tus páginas con colecciones Guarda y categoriza el contenido según tus preferencias.
La clasificación de varias clases se puede considerar como una extensión de la clasificación binaria a más de dos clases. Si cada ejemplo solo se puede asignar a una clase, el problema de clasificación se puede controlar como un problema de clasificación binaria, en el que una clase contiene una de las múltiples clases y la otra contiene todas las demás clases juntas. Luego, el proceso se puede repetir para cada una de las clases originales.
Por ejemplo, en un problema de clasificación de multiclase de tres clases, en el que clasificas ejemplos con las etiquetas A, B y C, puedes convertir el problema en dos problemas de clasificación binaria separados. Primero, puedes crear un clasificador binario que categorice ejemplos con la etiqueta A+B y la etiqueta C. Luego, podrías crear un segundo clasificador binario que vuelva a clasificar los ejemplos etiquetados como A+B con las etiquetas A y B.
Un ejemplo de un problema de clases múltiples es un clasificador de escritura a mano que toma una imagen de un dígito escrito a mano y decide qué dígito, del 0 al 9, está representado.
Si la pertenencia a la clase no es exclusiva, es decir, un ejemplo se puede asignar a varias clases, esto se conoce como un problema de clasificación de etiquetas múltiples.
[[["Fácil de comprender","easyToUnderstand","thumb-up"],["Resolvió mi problema","solvedMyProblem","thumb-up"],["Otro","otherUp","thumb-up"]],[["Falta la información que necesito","missingTheInformationINeed","thumb-down"],["Muy complicado o demasiados pasos","tooComplicatedTooManySteps","thumb-down"],["Desactualizado","outOfDate","thumb-down"],["Problema de traducción","translationIssue","thumb-down"],["Problema con las muestras o los códigos","samplesCodeIssue","thumb-down"],["Otro","otherDown","thumb-down"]],["Última actualización: 2024-11-06 (UTC)"],[[["\u003cp\u003eMulti-class classification extends binary classification to handle more than two classes, often by breaking the problem down into multiple binary classifications.\u003c/p\u003e\n"],["\u003cp\u003eIn multi-class classification, each example is assigned to only one class, like classifying handwritten digits (0-9).\u003c/p\u003e\n"],["\u003cp\u003eIf an example can belong to multiple classes, it's called multi-label classification, which is a distinct but related concept.\u003c/p\u003e\n"],["\u003cp\u003eMulti-class classification can be achieved by creating a series of binary classifiers, each distinguishing between a subset of classes.\u003c/p\u003e\n"]]],[],null,["# Classification: Multi-class classification\n\nMulti-class classification can be treated as an extension of\n[**binary classification**](/machine-learning/glossary#binary_classification)\nto more than two classes. If each example can only be\nassigned to one class, then the classification problem can be handled as a\nbinary classification problem, where one class contains one of the multiple\nclasses, and the other class contains all the other classes put together.\nThe process can then be repeated for each of the original classes.\n\nFor example, in a three-class multi-class classification problem,\nwhere you're classifying examples with the labels **A** , **B** , and\n**C** , you could turn the problem into two separate binary classification\nproblems. First, you might create a binary classifier that categorizes examples\nusing the label **A+B** and the label **C** . Then, you could create a second\nbinary classifier that reclassifies the examples that are labeled **A+B**\nusing the label **A** and the label **B**.\n\nAn example of a multi-class problem is a handwriting classifier that takes\nan image of a handwritten digit and decides which digit, 0-9, is represented.\n\nIf class membership isn't exclusive, which is to say, an example can be\nassigned to multiple classes, this is known as a *multi-label* classification\nproblem.\n| Multi-class classification is explored more deeply in the [Multi-class neural networks](/machine-learning/crash-course/neural-networks/multi-class) section of the [Neural Networks](/machine-learning/crash-course/neural-networks) module.\n| **Key terms:**\n|\n- [Binary classification](/machine-learning/glossary#binary_classification) \n[Help Center](https://support.google.com/machinelearningeducation)"]]
