一般情況下問題研究為二分類問題，在解決多分類問題時有時可以直接推廣到多分類，有時不能，不能推廣的時候主要用三種拆分策略對問題進行研究
一對一的策略
給定資料集dd這裡有nn個類別，這種情況下就是將這些類別兩兩配對，從而產生n(n−1)/2個二分類任務，在測試的時候把樣本交給這些分類器，然後進行投票
一對其餘策略
將每一次的乙個類作為正例，其餘作為反例，總共訓練nn個分類器。測試的時候若僅有乙個分類器**為正的類別則對應的類別標記作為最終分類結果，若有多個分類器**為正類，則選擇置信度最大的類別作為最終分類結果。
多對多分類策略
基於一種糾錯輸出碼的分類策略，分為兩個步驟
編碼：對nn個類別做mm次劃分，每次劃分將一部分類別劃為正類，一部分劃為反類，從而形成乙個二分類訓練集，這樣一共產生mm個訓練集，可訓練出mm個分類器
**解碼**m個分類器分別對測試樣本進行**，這些**標記組成乙個編碼。將這個**編碼與每個類別各自的編碼進行比較，返回其中距離最小的類別作為最終**的結果
這裡的類別劃分通過編碼矩陣指定，編碼矩陣主要有，二元碼（每個類別分別指定正類反類），三元碼（正，反，停用）
一般來說編碼越長則糾錯能力越強，但是意味著所需訓練的分類器越多，計算儲存的開銷越大，不一定得到越好的訓練效果，因為跟把樣本進行分組也有關係
從二分類到多分類
從二分類到多分類，實際採用的是拆解法思想 將多分類問題拆分成許多二分類問題，為每乙個二分類問題訓練乙個分類器。測試時，對這些分類器的結果進行整合，得到最終 結果。根據拆分策略不同，分為以下三類 一對一 one vs.one,ovo 訓練 將n個類別兩兩配對，產生n n 1 2個二分類任務，每個任務使...
二分類 多分類
怎麼樣把兩類的分類的模型推廣到多類上？答 a.一對多法 one versus rest,簡稱ovr svms 訓練時依次把某個類別的樣本歸為一類,其他剩餘的樣本歸為另一類，這樣k個類別的樣本就構造出了k個svm。分類時將未知樣本分類為具有最大分類函式值的那類。b.一對一法 one versus on...
二分類實現多分類
很多分類器在數學解釋時都是以二分類為例，其數學推導不適用於多分類，模型本身也只能用於二分類，如svm，adaboost 但是現實中很多問題是多分類的，那這些模型還能用嗎 改變這些模型的原理，重新推導數學公式，然後 實現。這種方法一般不可取，難度大，而且很麻煩 也叫一對其餘法 假設有n個類，每次把乙個...