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。
举一反三
- 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。
- 使用逻辑回归分类N类问题时，需要建立多少个二分类模型？（ ） A: N个 B: N-1个 C: 1个 D: N（N-1)个
- 使用逻辑回归分类N类问题时，需要建立多少个二分类模型？ A: A: N个 B: B: N-1个 C: C: 1个 D: D: N（N-1)个
- 中国大学MOOC: 一对一法分类器，k个类别需要多少个SVM：
- 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）