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。