多类svm

1.一对多（one-versus-one）

速度较快，但是存在缺陷。

2.一对一（one-versus-one）

有K个类，则两两一对构造k(k-1)/2个分类器，把待分对象用这些分类器进行判别，最后使用投票法，得票多的类别为最终类别。分类时要使用全部模型进行判别，速度慢，且存在拒分（多种类别得票相同时）。

3.有向无环图（DAG-SVM）

类别数增加时，速度快于前两者，且简单易行，对于一般规模的多类分类问题行之有效。是基于一对一方式的优化，不会出现拒分。

假设有A，B，C，D四个类别，首先两两之间训练k(k-1)/2个模型。



对未知对象，首先用A-D模型分类，若分为A，则用A-C模型继续分类，若分为D，则用B-D模型继续分类，采用如图所示路线持续往下分类，得到最终类别。