之前我们都是在Binary classification的基础上学习算法和知识。

如何使用Binary classification算法进行Multiclass classification呢？

（一）One Versus All （OVA）Decomposition

现在有k种类别，如何进行分类呢？

思路1：分辨是这一类or不是这一类（Yes or Not），将问题转化成k个binary classification问题。最终得到k个w。

思路2-1：对于每一个x，我们使用logistic regression，看看x属于哪个类别的概率大；

OVA的问题是什么呢？source Unbalance。假设我们现在有100个类别，每个类别各占1%。那么，在进行某一类的【Yes or not】 binary 分类时，即使算法的回答是：全部是not，那么这个算法的准确率也是99%。效果非常好。

（二） One Versus One Decomposition

还是同样的问题，假设有k个类别。

第一步还是按照思路1，拆分成binary分类问题。但是需要拆分为个binary classification问题。

但是思路2-1明显不适合此处了，这种情况下，最合适的算法是投票（voting）

思路2-2：voting of classifiers。

 

 

无论是OVA还是OVO，他们都是一种meta-algorithm。它们依赖于其他的算法（此处依赖于线性分类算法），是一个计算框架，具体的内容需要用别的算法来填充。