libsvm 多分類情況

svm是乙個二分類器，當遇到多類別的時候，一般採取如下兩種策略。

a.一對多法（one-versus-rest,簡稱1-v-r svms）。訓練時依次把某個類別的樣本歸為一類,其他剩餘的樣本歸為另一類，這樣k個類別的樣本就構造出了k個svm。分類時將未知樣本分類為具有最大分類函式值的那類。

b.一對一法（one-versus-one,簡稱1-v-1 svms）。其做法是在任意兩類樣本之間設計乙個svm，因此k個類別的樣本就需要設計k(k-1)/2個svm。當對乙個未知樣本進行分類時，最後得票最多的類別即為該未知樣本的類別。libsvm中的多類分類就是根據這個方法實現的

假設有四類a,b,c,d 四類。在訓練的時候我選擇a,b; a,c; a,d; b,c; b,d;c,d所對應的向量作為訓練集，然後得到六個訓練結果，在測試的時候，把對應的向量分別對六個結果進行測試，然後採取投票形式，最後得到一組結果。

投票是這樣的.

a=b=c=d=0;

(a, b)-classifier 如果是a win,則a=a+1;otherwise,b=b+1;

(a,c)-classifer 如果是a win,則a=a+1;otherwise, c=c+1;

...(c,d)-classifer 如果是c win,則c=c+1;otherwise,d=d+1;

the decision is the max(a,b,c,d)

另外，在libsvm中，進行的交叉驗證預設是5折交叉驗證。