利用二分类学习器解决多分类任务的基本策略是对多分类任务进行（），为拆出的每个二分类任务训练一个分类器，然后对每个分类器的预测结果进行集成，以获得最终的多分类结果。（填空）
举一反三
- 多分类学习任务中，若采用一对一策略，可利用N二分类学习器进行求解。
- 使用一对多方法将N个分类任务进行求解的策略方法描述正确的是（ ） A: 如果测试结果有多个正例相近的分类器，则判断结果的置信度，置信度小的分类别作为最终分类器 B: 指将N个分类任务进行M次划分，每次将一部分类划分为正类，另一部分类划分为反类。 C: 使用N个分类器分别进行测试，测试结果正例最小的一个为所求解的分类器。 D: 训练时依次把某个类别的样本归为一类，其他剩余的样本归为另一类，可以概括为自己一类为正例，其余类为负例，N个分类任务将产生N个分类器。
- One-vs-rest逻辑回归分类法中，假设有n个类别，那么就会建立n个二项分类器，每个分类器针对其中一个类别和剩余类别进行分类。进行预测时，利用这n个二项分类器进行分类，得到数据属于当前类的概率，选择其中概率最大的一个类别作为最终的预测结果。
- 在使用二分树进行分类器设计的时候,初始权值对分类结果没有影响。(<br/>)
- (2分)多分类学习不能使用二分类学习器来解决。()