多分类学习

本质：将多分类学习任务拆为若干个二分类任务求解，先对问题进行拆分，然后将拆出的每个问题进行二分类任务训练成一个分类器，在测试时对这些分类期预测结果进行集成以获得最终的多分类结果。 经典的拆分方法有三种：一对一(OvO)，一对剩余(OvR)，多对多(MvM)。 OvO:将N个类别两两配对，从而产生N(N-1)/2个分类任务。eg:将类别区分为Ci和Cj，训练一个分类器，该分类器将D中的Ci划分为整比

>>阅读原文<<