SVM多分类问题 libsvm在matlab中的应用

对于支持向量机，其是一个二类分类器，但是对于多分类，SVM也可以实现。主要方法就是训练多个二类分类器。
一、多分类方式
1、一对所有（One-Versus-All OVA）
给定m个类，需要训练m个二类分类器。其中的分类器 i 是将 i 类数据设置为类1（正类），其它所有m-1个i类以外的类共同设置为类2（负类），这样，针对每一个类都需要训练一个二类分类器，最后，我们一共有 m 个分类器。对于一个需要分类的数据 x，将使用投票的方式来确定x的类别。比如分类器 i 对数据 x 进行预测，如果获得的是正类结果，就说明用分类器 i 对 x 进行分类的结果是: x 属于 i 类，那么，类i获得一票。如果获得的是负类结果，那说明 x 属于 i 类以外的其他类，那么，除 i 以外的每个类都获得一票。最后统计得票最多的类，将是x的类属性。
2、所有对所有（All-Versus-All AVA）
给定m个类，对m个类中的每两个类都训练一个分类器，总共的二类分类器个数为 m(m-1)/2 .比如有三个类，1，2，3，那么需要有三个分类器，分别是针对：1和2类，1和3类，2和3类。对于一个需要分类的数据x,它需要经过所有分类器的预测，也同样使用投票的方式来决定x最终的类属性。但是，此方法与”一对所有”方法相比，需要的分类器较多，并且因为在分类预测时，可能存在多个类票数相同的情况，从而使得数据x属于多个类别，影响分类精度。
对于多分类在matlab中的实现来说，matlab自带的svm分类函数只能使用函数实现二分类，多分类问题不能直接解决，需要根据上面提到的多分类的方法，自己实现。虽然matlab自带的函数不能直接解决多酚类问题，但是我们可以应用libsvm工具包。libsvm工具包采用第二种“多对多”的方法来直接实现多分类，可以解决的分类问题（包括C- SVC、n - SVC ）、回归问题（包括e - SVR、n - SVR ）以及分布估计（one-class-SVM ）等，并提供了线性、多项式、径向基和S形函数四种常用的核函数供选择。

二、用libsvm在matlab中实现多分类（训练函数svmtrain+预测函数svmpredict)
对于libsvm中训练模型的函数svmtrain来