MvM 策略

「MvM 策略」（Many vs. Many）是一种多分类学习学习策略。每次将若干个类作为正类，若干个其他类作为反类。OvO 和 OvR 可看作是 MvM 的特例。MvM 的正、反构造必须有特殊的设计，例如常见的 MvM 技术「纠错输出编码」 （Error Correcting）

• 编码：对 个类别做 次划分，每次将一部分作为正类，其余作为反类，共形成 个二分类训练集，共产生 个分类器
• 解码： 个分类器分别对测试样本预测，预测标记组成一个编码。将这个预测编码与各个类别各自的标准编码进行比较，返回距离最小的类别作为预测结果

类别划分通过编码矩阵制定。常见的编码矩阵主要有二元码和三元码

如图 ECOC 二元码矩阵：分类器 将 类和 类的训练数据作为正类， 和 类的训练数据作为反类，在解码阶段，各分类器的分类结果联合起来形成了测试数据的编码，该编码与各类所对应的编码进行比较，将就最小的编码所对应的类别作为最后输出分类。图中，最后输出分类为

纠错输出码：ECOC 编码对分类器的错误有一定的容忍和修正能力。类别 标准编码 ，因为 分类器预测出错导致错误编码，但是基于该错误编码仍然能产生正确的分类结果。

一般来收，对于同一个学习任务，ECOC 编码越长，纠错能力越强，然而编码越长，对应计算、存储开销都会增大。另一方面，对于有限类别数，可能的类别组合是有限的，码长超过一定范围后就失去了意义。