對於之前的一個，二元分類問題，我們的數據看起來可能是像這樣：

　　對於一個多類分類問題，我們的數據集或許看起來像這樣：

　　我用3 種不同的符號來代表3 個類別，問題就是給出3 個類型的數據集，我們如何得到
一個學習算法來進行分類呢？
我們現在已經知道如何進行二元分類，可以使用邏輯回歸，對於直線或許你也知道，可
以將數據集一分為二為正類和負類。用一對多的分類思想，我們可以將其用在多類分類問題
上。
下面將介紹如何進行一對多的分類工作，有時這個方法也被稱為"一對余"方法。

　　現在我們有一個訓練集，好比上圖表示的有3 個類別，我們用三角形表示 ?? = 1，方框
表示?? = 2，叉叉表示 ?? = 3。我們下面要做的就是使用一個訓練集，將其分成3 個二元分

　　這裏的三角形是正樣本，而圓形代表負樣本。可以這樣想，設置三角形的值為1，圓形
的值為0，下面我們來訓練一個標準的邏輯回歸分類器，這樣我們就得到一個正邊界。
為了能實現這樣的轉變，我們將多個類中的一個類標記為正向類（?? = 1），然後將其
他所有類都標記為負向類，這個模型記作???
(1)(??)。接著，類似地第我們選擇另一個類標記為
正向類（?? = 2），再將其它類都標記為負向類，將這個模型記作 ???

　　最後，在我們需要做預測時，我們將所有的分類機都運行一遍，然後對每一個輸入變量，都選擇最高可能性的輸出變量。

總之，我們已經把要做的做完了，現在要做的就是訓練這個邏輯回歸分類器：???
(??)(??)，
其中 ?? 對應每一個可能的 ?? = ??，最後，為了做出預測，我們給出輸入一個新的 ?? 值，用
這個做預測。我們要做的就是在我們三個分類器裏面輸入 ??，然後我們選擇一個讓 ???
(??)(??)
最大的??，即

　　你現在知道了基本的挑選分類器的方法，選擇出哪一個分類器是可信度最高效果最好的，
那麽就可認為得到一個正確的分類，無論??值是多少，我們都有最高的概率值，我們預測??就

吳恩達機器學習筆記18-多類別分類：一對多(Multiclass Classification_ One-vs-all)