python - 如果投票中有 "tie"，带有 ovo 模型的多类 SVC 如何进行预测？

Question

假设我有一组具有 4 个标签的多类数据:[A, B, C, D]，我想使用 ovo SVC 分类器进行预测。我知道一旦我训练，我将训练 6 个 ovo 模型并可以使用 svc.decision_function() 查看决策函数输出集。这些函数的组织方式如下:

[AB, AC, AD, BC, BD, CD]

第一个字母是正数，第二个字母是负数。据我了解，预测采用这些决策函数分数并产生一组“投票”，其模式就是最终的预测。像这样的东西:

[AB, AC, AD, BC, BD, CD] #Model Organization
[1.4, 0.2, 0.6, 3, -2.2, -0.4] #Decision function output
[A, A, A, B, D, D] #Prediction for each model

模式为 A，因此 svc.predict() 函数应输出 A。我的问题是，如果决策函数输出看起来像这样(我只是翻转了第二个条目的符号，但假装它是一个新输出)会怎样:

[AB, AC, AD, BC, BD, CD] #Model Organization
[1.4, -0.2, 0.5, 3, -2.2, -0.4] #Decision function output
[A, C, A, B, D, D] #Prediction for each model

现在 A 或 D 都是众数，那么 SVC 如何打破平局并进行预测呢？据推测，我将对每个标签的决策函数输出值(关于标签的方向)求和，因为距决策面的距离向我表明模型在每种情况下预测标签的决定性。这将使示例中的 D 生效。但我也可以看到使用“AD”模型的具体分数。不管怎样，不知道 SVC 是如何做到的。

Answer 1

它打破了最低值(value)类别的束缚。很难追踪到这一点，因为它似乎发生在 libsvm 级别，而不是 sklearn 级别。幸运的是，an example源自 earlier issue提供一个数据集，我们可以在其中看到操作。这是原件(将 decision_function_shape 更改为 ovo 后，该图看起来相同):

中间的三角形区域与左下区域一起分类，即第 0 类。ovo 模型的决策与该区域中每个类别的一票 Hook 。

交换类 0 和 2 的名称(例如通过使用 y=2-y)会产生:

三角形区域现在与左上角区域一起分类，新命名为零。