二分类器解决多分类问题 _分类器

两种思路：
以SVM为例
1.one--rest 思想：
【二分类器解决多分类问题】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）

文章插图
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：在分类问题中某一类的样本数量与其他样本数据量相差较大&