怎么样把两类的分类的模型推广到多类上？
答：
a.一对多法（one-versus-rest,简称OVR SVMs）。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，这样k个类别的样本就构造出了k个SVM。分类时将未知样本分类为具有最大分类函数值的那类。
b.一对一法（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个类别的样本就需要设计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中的多类分类就是根据这个方法实现的。
c.层次支持向量机（H-SVMs）。层次分类法首先将所有类别分成两个子类，再将子类进一步划分成两个次级子类，如此循环，直到得到一个单独的类别为止.
如现在有三个分类 1， 2， 3 ==> 1 vs 2， 3
2 vs 3
七个分类 1， 2， 3， 4，5， 6， 7
1， 2， 3， | 4， 5， 6， 7
1， || 2， 3 | 4， 5 ||| 6， 7
2||||4 4|||||5 6||||||7