SVM多分类

SVMs(Surport Vector Machines)是用来解决两分类问题的，直接用SVMs实现多分类是不行的，只能使用下面这些间接的方法：

（1）1-v-r，即对于每一个分类，训练一个该分类和其他分类的分类器，如对于类k，k是一类，所有其他的是另一类，这样就需要训练k个分类器。对未知样本分类时，哪个分类器的函数值最大，就属于哪一个类。

（2）1-v-1，对于每两个类之间都训练一个分类器，如果有n个类，就需要n(n-1)/2个分类器。对未知样本分类时，一次用这n(n-1)/2个分类器分类，属于一个类就+1，最后得分最高的是哪个类，就作为最终的分类结果。

（3）有向无环图（DAG），和1-v-1类似，也需要训练n(n-1)/2个分类器，区别就在于这些分类器构成了一个有向无环图，对未知样本分类时，减少了用来判断的分类器的数量，但是仍然需要训练n(n-1)/2个分类器。

（4）纠错编码。

（5）层次SVMs。

（4）和（5）也是很复杂的，总之用SVMs来实现多分类是很复杂的。