Image SVM分类是否仅用于对只有2个标签的数据集进行分类？

我是svm新手，我一直在寻找一个svm来使用。从我看到的所有向量中，训练标签向量基本上是1和-1的向量。我不明白为什么会这样。我的假设是，训练向量的每一行都应该是一个唯一的数字，用于标记其各自的训练实例

---

假设我有一个数据集，有m个标签，有n个实例，每个实例是一个d维向量。使用标签向量只包含-1和1似乎很奇怪。但我真的不知道如何在超平面中分离m标签。有人能解释一下吗？

SVM在内部是一个二进制分类器。这意味着它只能分离两个标签。因此，它非常适合于问题可以用“给定向量是否具有属性X？”的形式表示，并且答案是肯定（+1）或否定（-1）

但现实生活中有太多需要更多标签的问题，该怎么办？为了解决m标签的问题，例如“图片上的动物类型是什么：猫、狗还是马？”您基本上创建了支持向量机集合，支持向量机对特定标签进行投票。有很多种可能性，但其中两种最受欢迎：

• 一对所有的方法。给定创建m个模型的m个标签，对第i个SVM进行训练，以识别对象是否具有标签“i”，因此将其在标签“i”上训练为+1，并将所有其他样本训练为-1。然后，当涉及到分类时——你问每个支持向量机是否识别样本——如果有任何联系——你使用支持向量机决策函数（到超平面的距离）打破它（最远的一个获胜）
• 一对一的方法。现在创建m（m-1）/2个支持向量机。对于每一对（i，j）标签（有m（m-1）/2种方式从m个标签中选择两个标签），每个人都回答了“该样本是否更多i标签或j标签”的问题。因此，再次-在分类过程中，你询问每一个这样的SVM，他们“投票”，你将投票和投票最多的标签相加-获胜（同样，如果是平局，你可以使用决策函数）