本文将详细展示一个多类支持向量机分类器训练iris数据集来分类三种花。
SVM算法最初是为二值分类问题设计的，但是也可以通过一些策略使得其能进行多类分类。主要的两种策略是：一对多（one versus all）方法；一对一（one versus one）方法。
一对一方法是在任意两类样本之间设计创建一个二值分类器，然后得票最多的类别即为该未知样本的预测类别。但是当类别（k类）很多的时候，就必须创建k！/（k-2）！2！个分类器，计算的代价还是相当大的。
另外一种实现多类分类器的方法是一对多，其为
针对在道路导向箭头的检测和识别中支持向量机(SVM)多分类器的识别效率下降的问题，提出一种利用简单二分类SVM通过对结果的自定义二进制编码实现导向箭头多分类的方法。对导向箭头感兴趣区域(ROI)图像进行Harris角点粗检测，利用改进FAST-9(Features from accelerated segment test-9)算法对伪角点进行筛选，根据最终获取的角点集合中纵坐标最大的两个角点位置分割图像获得待识别区域；再利用几何不变矩特征训练SVM分类器；对分类结果进行二进制编码，从而实现单一
