我们在之前讨论的问题都是二分类问题，比如 image.png
image.png
两类方法： image.png
这里每一个向量机都是二分类问题
image.png
image.png
image.png
这种方法会导致训练样本不平衡的问题 image.png
右边的样本数远多于左边，这样可以采取第二种方法 image.png
对于某个测试样本X输入三个支持向量机中，分别获得对应的样本标签，
采用投票的方式获得最后结果，例如 image.png
这种投票机制的问题是有可能出现平票，例如 image.png
此时因为 image.png
image.png
image.png
image.png
image.png
image.png

1的分数最高，所以此时结果为类别1，

弊端： k很大的话，造成的时间非常大
方法3： image.png
但是这样做的前提条件是 image.png
比如我们可以通过 image.png
来解决差异显著，

总结

对于支持向量机这是最后一节课 image.png

熟练掌握数学问题解决支持向量机分类问题