mnist SVM

大作业思路：

一）整体思路（在python语言上有点问题，所以先看自然文字，再学一下python）=>学个屁啊

1.把图像数据转换成向量

2. 读取每个数字的所有实例，转换为矩阵

3.读取所有数字的所有实例，整合成一个60000 * 400的超大矩阵（呵呵，其实没多大）。

4. 构造SVM模型

4.1OvO（one-vs-one）这种解决方法的思路是：对于有N个类别的分类任任务，将这N个类别两两配对，从而产生N(N-1)/2个二分类任务。在测试阶段，新样本同时提交给所有分类器，这样可以得到N(N-1)/2个分类结果，最终的结果可以通过投票产生：即把预测的最多的类别作为最终的分类结果。

4.2OvR（one-vs-rest）这种解决方法的思路是：每次将一个类的样例作为正例，所有其他类的样例作为负例来训练N个分类器。在测试时，若仅有一个分类器预测为正类，则对应的类别标记为最终分类结果。

5. 分类测试

6. 结果分析