**：
svm是一種典型的二類分類器，是採用最大間隔化策略來確定特徵空間中最優超平面的，也就是說它只能回答屬於正類還是負類的問題。而現實中要解決的往往是多類分類問題，如何將乙個二類分類器轉換成乙個多類分類器呢？
一、一對多方法
比如有k個類別，每次分類都把1個類別作為正樣本，其餘k-1個類別作為負樣本，依次類推。這樣共有k個分類器。
分類時這k個分類器依次對相應類別回答「是」或「不是」，最後得到「是」的類別即為所屬類別。
二、一對一方法比如有k個類別，每次分類都把1個類別作為正樣本，另外1個類別作為負樣本，依次類推。這樣共有k*(k-1)/2個分類器。複雜度：k優點：分類速度快
缺點：一對多，樣本不均衡。分類重疊現象或者分類不可分現象。
分類時這k*(k-1)/2個分類器依次回答屬於兩個類別中的哪一類，最後投票統計得票數最高的那個類別即為所屬類別。
三、dag方法dag的結點從上到下依次為1,2,3,…,k-1個。這樣共有k*(k-1)/2個分類器。 這種方法是構造乙個dag svm，（有向無環的svm)。 還是像一對一方法那樣來訓練，只是在對一篇文章進行分類之前，先按照下面圖的樣子來組織分類器這樣在分類時,我們就可以先問分類器「1對5」（意思是它能夠回答「是第1類還是第5類」），如果它回答5，我們就往左走，再問「2對5」這個分類器，如果它還說是「5」，我們就繼續往左走，這樣一直問下去，就可以得到分類結果。複雜度：k*(k-1)/2優點：沒有分類不可分現象。
缺點：分類重疊現象。
複雜度：k-1優點：分類速度快，沒有分類重疊現象或者分類不可分現象。
缺點：分類錯誤累積(前面分類器分類錯誤，後面分類器無法糾正)，從上到下節點的選取技巧(參照置信度)。
svm的多類分類問題
最近在看svm用於說話人識別，需要對訓練語音進行正負類區分，從而訓練合適的分類面。現在把自己看的東西大致總結一下，如果有錯的，或者不明白的，請指出，謝謝！傳統的svm使用與說話人確認，因為svm是乙個二分類，而確認也是乙個二分問題，接受 或 拒絕 將目標說話人作為正類，選取合適的冒認者集合作為負類，...
opencv用SVM進行多類分類
include stdafx.h include cv.h include highgui.h include ml.h include include include using namespace std int main int argc,char argv else else 學習資料的現實...
svm 多類劃分問題
一般情況下svm有兩種多類劃分的方法，一種是one vs rest另外一種是pairwise。下面是我根據所閱讀的文獻對兩種多類劃分的理解，請大蝦看看是否正確，並且還附帶有問題 1 one vs rest。假如我有四類要劃分 也就是4個label 他們是a b c d。於是我在抽取訓練集的時候，分別...