支持向量機可求解二分類問題。當(dāng)需要求解多分類問題時，支持向量機可將二分類問題的求解方式轉(zhuǎn)化為多分類問題的求解方式。

多分類問題的求解方式：1類對K-1類、1類對另1類。

下文主要介紹1類對K-1類的具體方式 假設(shè)樣本需要被分為K類，則需要構(gòu)造K個支持向量機模型，即：

（1）第1個支持向量機模型將類別1分為一類，將2、3、4...K分為一類；

（2）第2個支持向量機模型將類別2分為一類，將1、3、4...K分為一類；

（3）第3個支持向量機模型將類別3分為一類，將1、2、4...K分為一類； …… （K）第K個支持向量機模型將類別K分為一類，將1、2、3...K-1分為一類；

再假設(shè)上述K個支持向量機模型，單一類別的標簽為+1，其他K-1類構(gòu)成的一類的標簽為-1。

對上述K個支持向量機模型求解，可得出K個α和b的組合，可記為： {αi(k)}i=1~N，b(k)，k=1~K 對某一樣本X的分類，根據(jù)如下判別式： kmax=argmax∑αi(k)yiK(Xi,X)+b(k)，k=1~K 其中，argmax函數(shù)值為使argmax右側(cè)函數(shù)取最大值時自變量的值，即argmax∑αi(k)yiK(Xi,X)+b(k)的值為使∑αi(k)yiK(Xi,X)+b(k)最大時k的取值，即若x0= argmax(f(x))，則當(dāng)x=x0時，f(x)取得最大值。（根據(jù)百度百科理解）

上述判別式的含義是：將測試樣本輸入到K個支持向量模型進行計算，并在k個支持向量模型中，篩選出某1類與該類對應(yīng)的K-1類間隔最大情況的支持向量模型（即篩選{αi(k)}i=1~N，b(k)的值）。

將此支持向量模型計算出∑αiyiK(Xi,X)+b值所對應(yīng)的標簽作為測試樣本的標簽。（含個人理解）

例如：經(jīng)過計算對比后，若某一測試樣本的第2個支持向量機模型所對應(yīng)的類別2與包含1、3、4...K類的類間隔最大（其兩類間隔均大于第1、3、4…K個支持向量機所對應(yīng)兩類的間隔），則第2個支持向量機模型所對應(yīng)的{αi(k)}i=1~N，b(k)的值為該測試樣本的計算標簽值的αi、b的值，最后，通過∑αiyiK(Xi,X)+b計算出該樣本的標簽。（個人理解）

1類對K-1類的策略容易導(dǎo)致訓(xùn)練樣本不平衡的問題。

該問題出現(xiàn)的原因是：K個支持向量所分得的兩類均為某1類和包含其他K-1個類的類，其他K-1個類的類的樣本數(shù)量一般遠多于某1類的樣本數(shù)量，當(dāng)兩類樣本數(shù)量處于較大不平衡的情況下，支持向量機會更傾向?qū)颖痉诸愔翑?shù)量多的一類。

審核編輯：劉清