SVM多分类

时间 2019-11-06

标签 svm 分类繁體版

原文原文链接

SVMs(Surport Vector Machines)是用来解决两分类问题的，直接用SVMs实现多分类是不行的，只能使用下面这些间接的方法：函数

（1）1-v-r，即对于每个分类，训练一个该分类和其余分类的分类器，如对于类k，k是一类，全部其余的是另外一类，这样就须要训练k个分类器。对未知样本分类时，哪一个分类器的函数值最大，就属于哪个类。编码

（2）1-v-1，对于每两个类之间都训练一个分类器，若是有n个类，就须要n(n-1)/2个分类器。对未知样本分类时，一次用这n(n-1)/2个分类器分类，属于一个类就+1，最后得分最高的是哪一个类，就做为最终的分类结果。spa

（3）有向无环图（DAG），和1-v-1相似，也须要训练n(n-1)/2个分类器，区别就在于这些分类器构成了一个有向无环图，对未知样本分类时，减小了用来判断的分类器的数量，可是仍然须要训练n(n-1)/2个分类器。方法

（4）纠错编码。

（5）层次SVMs。

（4）和（5）也是很复杂的，总之用SVMs来实现多分类是很复杂的。