26 一对一和一对一SVM分类器有什么区别？ “一对多”是指一个分类器对新图像的所有类型/类别进行分类，而一对多是指新图像的每种类型/类别用不同的分类器进行分类（每个类别均由特殊分类器处理）吗？ 例如，如果将新图像分类为圆形，矩形，三角形等。 machine-learning classification svm — 用户名 source
37 区别在于您必须学习的分类器数量，与它们创建的决策边界紧密相关。 假设您有不同的班级。一对所有将训练总共分类器中的每个分类一个分类器。对于类，它将假设标签为正，其余标签为负。这通常会导致数据集不平衡，这意味着通用SVM可能无法工作，但是仍然存在一些变通办法。NNNNiiii 在一对一中，您必须为每对不同的标签训练一个单独的分类器。这导致分类器。这对不平衡数据集的问题不那么敏感，但是在计算上却要昂贵得多。N(N−1)2N(N−1)2 — 纳图哈 source 拜托，你的意思是我的标签为阳性或第i个标签为阳性？ — delusionX 对应于类别i的标签为肯定。 — 纳塔哈（Gnattuha） @Gnattuha-你说不平衡的数据集是什么意思？提前致谢。 — saurabheights 1 我在这里读过-en.wikipedia.org/wiki/…- “尽管这种策略很流行，但它是一种启发式方法，存在很多问题。首先，置信度值的大小在二元分类器之间可能会有所不同。其次，即使如果班级分布在训练集中是平衡的，则二元分类学习者会看到不平衡的分布，因为通常他们所看到的负数要比正数大得多。” 失衡又如何影响准确性？ — saurabheights