将 6-class 模型重新排列为 6 个 2-class 模型。它会带来任何改善吗？
Rearranging 6-class model to 6 2-class models. Will it give any improvement?
我有一个 SVM 模型，包含 6 个 classes 和 19 个特征。效果不错，准确率95%。
我正在评估，如何获得最后的 5%。我的想法是创建具有其他特征的其他模型，训练实例。
另一个想法是将现有模型从 6 classes 重新排列为 6 个模型，每个模型有 2 classes，其中一个 class 是正的，另外 5 classes 是负的.功能将保持不变。它会带来任何新的class化结果，还是只是一个冗余模型？
谢谢！
SVM 实际上只能进行二进制 class化。 multi-class 改编使用多个模型并投票决定 class 在一对一方案中应该是什么。
快速示例：
class1 vs class2
class2 vs class3
class1 vs class3
将全部用于 3-class SVM，然后模型将投票决定 class 观察应该是什么。 one-vs-all 是在多个 classification 场景中使用 SVM 的另一种流行方式。要回答您的问题，这已经是幕后发生的事情。构建更多的模型可能会略微提高您的准确性，因此如果您感到无聊并想看看它是否有帮助，那么值得一试
My idea is to create other models with other features, train
instances.
是的，这是个好主意。检查其他模型对您的数据的性能。
Another idea is to rearrange the existing model from 6 classes to 6
models each with 2 classes, where one class is positive and the other
5 classes are negative.
因为 SVM 是二元分类器。多类 SVM 分类器在内部使用 One-Vs-All or One-vs-One. What you are suggesting is one-vs-all. Since libsvm uses One-vs-One technique. you can use one-vs-all 之一，但这通常不会提高准确性性能，因为一对一使用更多数量的分类器。
我有一个 SVM 模型，包含 6 个 classes 和 19 个特征。效果不错，准确率95%。 我正在评估，如何获得最后的 5%。我的想法是创建具有其他特征的其他模型，训练实例。 另一个想法是将现有模型从 6 classes 重新排列为 6 个模型，每个模型有 2 classes，其中一个 class 是正的，另外 5 classes 是负的.功能将保持不变。它会带来任何新的class化结果，还是只是一个冗余模型？
谢谢！
SVM 实际上只能进行二进制 class化。 multi-class 改编使用多个模型并投票决定 class 在一对一方案中应该是什么。
快速示例：
class1 vs class2
class2 vs class3
class1 vs class3
将全部用于 3-class SVM，然后模型将投票决定 class 观察应该是什么。 one-vs-all 是在多个 classification 场景中使用 SVM 的另一种流行方式。要回答您的问题，这已经是幕后发生的事情。构建更多的模型可能会略微提高您的准确性，因此如果您感到无聊并想看看它是否有帮助，那么值得一试
My idea is to create other models with other features, train instances.
是的，这是个好主意。检查其他模型对您的数据的性能。
Another idea is to rearrange the existing model from 6 classes to 6 models each with 2 classes, where one class is positive and the other 5 classes are negative.
因为 SVM 是二元分类器。多类 SVM 分类器在内部使用 One-Vs-All or One-vs-One. What you are suggesting is one-vs-all. Since libsvm uses One-vs-One technique. you can use one-vs-all 之一，但这通常不会提高准确性性能，因为一对一使用更多数量的分类器。