「OvR 策略」（One vs. Rest）是一种多分类学习学习策略。OvR 策略每次将一个类的训练数据作为正例，所有其余训练数据作为反例来训练一个二分类器；这样共得到 个二分类器。在测试时，如果仅有一个分类器预测为正类，则对应的类别标记为最终结果。如果有多个分类器预测为正类，则通常考虑各分类器的预置置信度，选择置信度最大的类别标记为分类结果。
与OvO 策略对比