目錄

?

方法1：改造目標函數與限制條件

方法2：一類對其他類（類數為N，需要建立N個SVM模型）

情形1：多個SVM模型結果交集得出確切歸類

情形2：多個SVM模型結果交集沒有得出確切歸類

方法3：一類對一類（類數為N，需要建立SVM模型為N*(N-1)/2個）

---

方法1：改造目標函數與限制條件

這個方法不太實用

方法2：一類對其他類（類數為N，需要建立N個SVM模型）

即將其他類合并為一類，另一個類獨立出來，常用來處理三類問題，測試樣本的分類通過交集來完成

情形1：多個SVM模型結果交集得出確切歸類

情形2：多個SVM模型結果交集沒有得出確切歸類

方法3：一類對一類（類數為N，需要建立SVM模型為N*(N-1)/2個）

這種方法就是將多類中的每一類與剩下的類逐一進行建立SVM模型，對測試樣本進行歸類，最后將測試樣本歸類到占比大的那一類,類似于投票的性質，票數多的類就將樣本歸類到這一類

這是最常用的方法，最有效的方法，但SVM模型多，計算時間長

總結

以上是生活随笔為你收集整理的机器学习——支持向量机SVM之多分类问题的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。