SVM中比较方法的深入理解¶

• 所谓“一对ALL”的方法，就是每次解一个两类分类的问题。比如我们有5个类别，第一次就把类别1的样本定位正样本，其余的定位负样本，这样得到一个两类分类器，它能够指出一篇文章是还是不是第1类的；第二次把2定位正样本，其余定为负样本，得到一个分类器。如此下去，我们可以得到5个这样的两类分类器。需要分类时就每次不停的询问是哪个组的。

• 好处在于每个优化问题的规模比较小，而且分类的速度快

• 缺点在于，很有可能询问完成后发现有多个响应或者没有响应，前者选择样本离超平面最远的分组即可，后者则需要分类第6类，这会造成数据集偏斜的问题。

• “一对一”的方法可以避免数据集偏斜的问题。因为在询问时，第一个回答“是第一类还是第二类”，这样的问题总能得到答案，因此不会出现无响应的情况。

• 有点在于，虽然分组变多，但在训练阶段所用时间减少。最后通过每次询问结果统计票数，将样本投给票数最多的分组。缺点在于分类器需要很多，硬件开销变大。