多分类学习

  多分类学习的基本思路是“拆解法”，即将多分类任务拆为若干个二分类任务求解。最经典的拆分策略有三种：
  “一对一”（OvO）：将N个类别两两配对，两个其中一个作为正例，另一个作为反例。测试阶段，新样本全部提交给所有分类器，得到个分类结果，最终把预测得最多的类别作为最终分类结果。
  “一对多”（OvR）：每次将一个类的样例作为正例，所有其他类作为反例来训练N个分类器，选择预测为正的作为分类结果，若有多个分类器预测结果为正，则通常考虑分类器的预测置信度，选择置信度最大的类别标记作为分类结果。
  “多对多”（MvM）：有特殊设计。例子：“纠错输出码”