二分类器解决多分类问题

两种思路：

以SVM为例

1.one-versus-rest

思想：

假设一共有1,2,3,4,5个类别的数据

对于第1类，训练一个分类器：第1类是正样本，其余类的样本都是负样本

对于第2类，训练一个分类器：第2类是正样本，其余类的样本都是负样本

以此类推，一共训练出五个分类器

在预测阶段，对于输入的待分类样本，分别从第一个分类器开始询问是否属于该类别，该分类器“承认”，就将该样本判别为该类

存在的问题：

分类重叠现象：某个待分类样本被多个分类器“认领”（可以计算该样本与这些分类器对应超平面的距离，选择距离最远的）

不可分类现象：所有分类器都不“认领“”某个待分类样本（设置一个“其他类，专门用来存放异常类”，容易造成数据集偏斜问题？？？）

ps：这种方式会有数据集偏斜问题（因为是一对多），影响分类面划分的准确性，如下图：

数据集偏斜问题：在