「OvO 策略」（One vs. One）是一种多分类学习学习策略。OvO 策略将 个类别两两配对，从而产生 个二分类任务。例如将标记为 和 训练数据用于训练一个二分类器，测试阶段样本 通过该二分类器标记为类别 或 ，这样该样本经过 这样的二分类器得到 个分类结果。最终结果可通过投票产生：即被预测类别最多的类别作为最后分类结果。
与OvR 策略对比