svm多类分类

资 源 简 介

每次选一个类的样本作正类样本，而负类样本则变成只选一个类（称为“一对一单挑”的方法，哦，不对，没有单挑，就是“一对一”的方法，呵呵），这就避免了偏斜。因此过程就是算出这样一些分类器，第一个只回答“是第1类还是第2类”，第二个只回答“是第1类还是第3类”，第三个只回答“是第1类还是第4类”，如此下去，你也可以马上得出，这样的分类器应该有5 X 4/2=10个（通式是，如果有k个类别，则总的两类分类器数目为k(k-1)/2）。虽然分类器的数目多了，但是在训练阶段（也就是算出这些分类器的分类平面时）所用的总时间

详 情 说 明

在这个过程中，我们采用了一种称为“一对一”的方法，其中每次选取一个类别的样本作为正类样本，而将其他类别的样本作为负类样本。这样做的好处是避免了数据集的偏斜问题。因此，在训练阶段我们需要算出多个分类器，第一个分类器只回答“是第1类还是第2类”，第二个分类器只回答“是第1类还是第3类”，以此类推。根据通式，如果我们有k个类别，那么总共会有k(k-1)/2个分类器。因此，在这种方法下，我们需要算出10个分类器（假设有4个类别）。虽然分类器的数量增加了，但是在训练阶段所需的时间却比“一类对其余”方法少得多。

在真正用这些分类器进行分类时，我们将一篇文章输入到每个分类器中。第一个分类器会投票说这篇文章属于“1”类还是“2”类，第二个分类器会投票说这篇文章属于“1”类还是“3”类，以此类推。我们让每个分类器都投上自己的一票，最后统计票数。如果“1”类得票最多，那么我们就判定这篇文章属于第1类。虽然这种方法可能会导致分类重叠的情况发生，但是不会出现无法分类的情况，因为不可能所有类别的票数都是0。