SVM在多类问题中常用的构造方法包括one-against-all（OVR）和one-against-one（OVO）。OVR通过k个二分类SVM确定最大分类函数值的类别，而OVO则建立k(k-1)/2个SVM，通过投票决定最终类别。尽管OVO更准确，但模型数量随着类别增加而呈线性增长，增加了计算成本。
SVM算法最初是为二值分类问题设计的，当处理多类问题时，就需要构造合适的多类分类器。
目前，构造SVM多类分类器的方法主要有两类：一类是直接法，直接在目标函数上进行修改，将多个分类面的参数求解合并到一个最优化问题中，通过求解该最优化问题“一次性”实现多类分类。这种方法看似简单，但其计算复杂度比较高，实现起来比较困难，只适合用于小型问题中；另一类是间接法，主要是通过组合多个二分类器来实现多分类器的构造，常见的方法有one-against-one和one-against-all两种。
a.一对多法（one-versus-rest,简称1-v-r SVMs, OVR SVMs）。训练时依次把某个类别的样本归为一类,其他剩余的样本归为另一类，这样k个类别的样本
最低0.47元/天 解锁文章
扫一扫
4583
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
