sklearn库中逻辑回归如何实现多分类

对于逻辑回归算法主要是用回归的算法解决分类的问题，它只能解决二分类的问题，经过改造便可以进行多分类问题，主要的改造方式有两大类：
(1)OVR/A(One VS Rest/ALL)
(2)OVO(One VS One)

(1)对于OVR的改造方式，主要是指将多个分类结果(假设为n)分成是其中一种分类结果的和(其他)，这样便可以有n种分类的模型进行训练，最终选择得分最高的的(预测率最高的的)便为分类结果即可。它所训练的时间是原来分类时间的n倍。sklearn库默认就是OVR

(2)对于OVO的方式，主要是将n个数据分类结果任意两个进行组合，然后对其单独进行训练和预测，最终在所有的预测种类中比较其赢数最高的即为分类结果，这样的分类方式最终将训练分为n(n-1)/2个模型，计算时间相对较长，不过这样的方式每次训练各个种类之间不混淆也不影响，因此比较准确。

有一个疑问：n是如何确定的？

from sklearn.linear_model import LogisticRegression
classifier = LogisticRegression(random_state=