一对一分类（OneVsOneClassifier）

组件名称	一对一分类（OneVsOneClassifier）
工具集	机器学习/分类/一对一分类（OneVsOneClassifier）
组件作者	雪浪云-燕青
文档版本	1.0
功能	一对一分类（OneVsOneClassifier）算法
镜像名称	ml_components:3
开发语言	Python

组件原理

SVM算法最初是为二值分类问题设计的，当处理多类问题时，就需要构造合适的多类分类器。构造多分类器可以采用直接法或者间接法。但是若采取直接法即SVM直接在目标函数上进行修改的话，将多个分类面的参数求解合并到一个最优化问题上，显然难度太大，其计算复杂度比较高，实现起来比较困难，只适合用于小型问题中。

一对一（one-versus-one,简称OVO SVMs或者pairwise）其做法是在任意两类样本之间设计一个SVM，因此k个类别的样本就要设计k(k-1)/2个SVM。

当对一个未知样本进行分类时，最后得票最多的类别即为该未知样本的类别。Libsvm（一个好用的包）中的多类分类就是根据这个方法实现的

假设有四类A,B,C,D四类。在训练的时候我选择A,B; A,C; A,D; B,C; B,D;C,D所对应的向量作为训练集（4X3/2=6），然后得到六个训练结果，在测试的时候，把对应的向量分别对六个结果进行测试，然后采取投票形式，最后得到一组结果。

评价：这种方法虽然好,但是当类别很多的时候,model的个数是n*(n-1)/2,代价还是相当大的。与一对多相比不会有样本不属于任何一类的情形出现，但是复杂度变大了。

支持单个csv文件输入。

支持sklearn模型输出。