LIBSVM多分类原理

学习目标：LIBSVM多分类原理

---

学习内容：

svm通常都是用于二分类问题，对于多分类问题svm显然不是很合适，但是有一些针对于svm进行多分类的研究。有两种方法，1.1对多；2.1对1。

⼀对多法(one-versus-rest,简称OVR SVMs)
首先将多类中的一类归为正集，其余的类归为负集；所以对于n类来说需要n个svm进行训练。每个集合训练完后就得到了n个训练模型，接下来将需要测试的样本丢进n个训练模型一一进行测试，得到n个测试结果，最终结果以这个n个测试结果中的最大一个作为分类结果。

⼀对⼀法(one-versus-one,简称OVO SVMs或者pairwise)
其做法是在任意两类样本之间设计⼀个SVM，因此n个类别的样本就需要设计n(n-1)/2个SVM。假设有3类，则需要设计三个svm进行训练。训练结束后得到三个训练模型，然后将测试样本丢进三个模型中进行一一测试，当分类的结果为某一类时，则此类记一票。结果为票数最多的为此次分类结果。

由于n个类别就要设计n（n-1）/2个svm，所以对于类别很多的时候，此种方法消耗的资源较大，不建议使用。

---