machine-learning - 解释使用一对一选择输出的多类 SVM

Question

这是我在 http://nlp.stanford.edu/IR-book/html/htmledition/multiclass-svms-1.html 上读到的内容。
这表示:“特别是，实践中最常见的技术是构建分类器一对一分类器(通常称为“一对一”或 OVA 分类)，并选择对分类器进行分类的类。以最大余量测试数据”。
我实在不明白这是什么意思？这里的测试数据是什么？我只理解一对一:对于每个特定的类，他们将在该类和其他类之间创建 1 个超平面。然后，当一条新记录进入模型时，它会被分类到它应该属于哪个类。那么在这种情况下如何为新记录选择正确的类呢？
让我展示一下我对引号的看法:我认为有 N 个类 ~ N 个分类器(超平面)~ N 个边距。需要分类的新记录属于具有最大余量的类(在 N 个余量中)并且该记录对该类是正的(意味着该记录不在其余类中)。我理解对了吗？
请帮我好好解释一下，少用学院词，因为我的英语在学院环境下不好，我随时可能因为不好的解释而误解。
提前致谢

Answer 1

SVM 将产生距超平面的距离。

您预测该距离最大的类别(但最坏的情况，所有可能都是负数!)，因为您假设该分类器具有最高的置信度。