回顾一下线性分类、线性回归和逻辑回归模型：
三个模型的错误恒量为：
所以常用逻辑错误恒量来做分类问题，即
对于多分类的问题
，可以利用逻辑回归训练多个分类器，把其中一个当做一类，其他的作为一类
例如：
得出是个逻辑回归的软分类器
分别输入四个分类器，比较出哪个分类器得出的几率较高，把输入归为相应的类
但这种把其中一个作为一类，其他剩余的作为一类训练分类器，会造成两类数据的不平衡（例如，4种平均样本，其中一种为一类，剩余3种为一类，则最后两类样本量为1:3），解决方法为，在n类样本中选取两个做分类，其余的样本不用，这样两两训练一个分类器共得到m个分类器（例如，4类样本，选取两个训练一个分类器，一共6个分类器）
输入样本，在每个分类器得出属于的类，在m个结果中统计得票最多的类（或者几率最高的类），作为最终的结果，适用于分类不多的情况。