理解SVM（三）——扩展到多类

理解SVM（三）——扩展到多类

    前面两个系列分别讲诉了SVM的基本原理和代码实现，如何解决线性不可分情况。这一次我们讲解一下SVM的最后一篇：SVM解决多类分类问题。

1. one vs. other

    这种改进SVM的方法简单粗暴，也易于理解。详细来说，比如我们的数据有5个类别。

    Step 1：把类别1的样本定为正样本，其余2，3，4，5类的样本定为负样本。使用SVM分类器，得到一个二类分类器；

    Step 2：把类别2的样本定为正样本，其余1，3，4，5类的样本定为负样本。使用SVM分类器，得到一个二类分类器；

    Step 3：把类别3的样本定为正样本，……

    Step 4：把类别4的样本定为正样本，……

    Step 5：把类别5的样本定为正样本，……

    Step 6：对测试样本，依次使用上面训练学习得到的5个分类器，每个分类器都可以得出结论，要么是第i类，要么就是其他（the other），直到我们发现有一个分类器说这样测试样本是我的，即可。