sklearn.svm.SVC中decision_function_shape问题

svm支持向量机设计二分类问题，当遇到多分类问题时需要构造多类分类器，主要有两种方法：一种是直接法，直接在目标函数上进行修改，一般计算相对复杂；另一类是间接法，通过组合多个二分类器来实现，常见方法有one-versus-one(一对一),one-versus-all(一对多)。
1.one-versus-one(简称ovo):在任意两类样本之间设计一个svm，n个样本类别就需要n(n-1)/2个svm。当对一个未知样本进行分类时，最后得票最多的类别即为该未知样本的类别。代价比较大。
2.one-versus-rest(ovr):训练时依次把某个类别的样本归为一类，其他剩余样本归为一类，n个类别样本就构造出n个svm。