多分類學習

本質：將多分類學習任務拆爲若干個二分類任務求解，先對問題進行拆分，然後將拆出的每個問題進行二分類任務訓練成一個分類器，在測試時對這些分類期預測結果進行集成以獲得最終的多分類結果。 經典的拆分方法有三種：一對一(OvO)，一對剩餘(OvR)，多對多(MvM)。 OvO:將N個類別兩兩配對，從而產生N(N-1)/2個分類任務。eg:將類別區分爲Ci和Cj，訓練一個分類器，該分類器將D中的Ci劃分爲整比

>>阅读原文<<