问在使用logistic回归的手写体数字识别问题中，添加另一个类“非数字”所需的更改是什么？

EN

如果您使用的是一个对所有的分类，您可以使用一个条件，如果没有类达到最小的概率，那么它不是一个数字。或者你可以用另一个类别“不是数字”来训练分类器。或者使用一个由两个分类器组成的管道，一个用来告诉你图片是否是一个数字，如果是一个数字，对这个数字进行分类。

Logistic回归通常用于执行二进制分类，回答是或否问题，例如：

1. 这是八号吗？
2. 今天会下雨吗？

也许我误解了你的解释，但听起来你似乎是在尝试进行多类分类，即将图像归类为一定数量的选项之一。因此，单个图像必须包含(分类为)列表中的一个数字：[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]。

通常，要向已经这样做的模型添加一个额外的类，您需要调整模型的最终输出，以预测单热向量，这只需再增加一个元素！

在Scikit的具体案例中--学习LogosticRegression类，似乎您不需要指定任何东西--当类看到数据不是二进制数据时，它就会自动使用多项模型和相关的优化器(即，如上面所解释的是--否模型)。

请看一看本官方教程，它应该是一个多项模型，该模型在一个数据集上训练，其中包含一个目标变量，总共有20个类。特征数(n_classes等于20)根本没有传递给模型，这是推断出来的。