多類別分類(Multiclass Classification)用在當實驗的預測結果不只分成兩類別的時候，像是字母手寫辨識、數字手寫辨識、NBA 季後賽的優勝隊伍預測，就可以使用多類別分類演算法

多類別分類範例

【範例 1】以多類別分類決策叢林演算法辨識手寫英文字母

1. 【Dataset】匯入資料集：Letter Recognition Data Set 手寫英文子母資料集
   【Import Data】資料來源 URL：http://archive.ics.uci.edu/ml/machine-learning-databases/letter-recognition/letter-recognition.data
   

   資料來源：UCI Mahchine Learning Repositury - Letter Recognition Data Set
   

• 特徵(Feature)：Col2 ~ Col17
• 標籤(Label)：英文字母(Col1)
  

2. 【Split Data】設定比例為 0.7：70% 訓練集、30% 測試集
   

3. 【Train Model】訓練模型：設定要預測的目標欄位 - Col1 英文字母

4. 【Classification】演算法：Multiclass Decision Jungle 多元分類決策叢林
   

5. 【Score Model】計分模型：執行預測
   

6. 預測結果包含 17 欄原資料，以及 26 欄英文字母的預測機率值和 1 欄預測值，為了方便查看預測結果，會拿掉特徵值 16 個欄位
   

7. 【Select Columns in Dataset】選取資料集欄位：只選取結果 Col1 英文字母實際值 + 後半部的預測結果欄位，排除原特徵欄位
   

8. Scored Probabilities for Class " ? " 是英文字母為 ? 的機率，Scored Labels 是英文字母預估值，例如：第 8 筆資料，預估為英文字母 E 的機率為 0.000833，預估為英文字母 A、B、C、D、G、H 的機率為 0，預估為英文字母 I 的機率為 0.986342，字母預估值選機率最高的 I