我正在尝试实现一个多层感知器分类器，我有一个包含1000个样本的数据集。这个数据集有6个特征和5个可能的不同标签。

根据我对OneVsAll的理解，我们为每个标签创建一个二元分类器，并用训练数据来训练这些分类器。然而，我不明白如何将5个二元分类器的结果结合起来。如果数据中有噪声，并且有两个二元分类器预测测试样本为正样本，该怎么办？如果所有标签的二元分类器都预测某个样本为负样本，我们又该如何标记它呢？

回答：

你的输出层，每个单元应该返回一个值h，其中0 < h < 1。通常，在二元分类器中，你会选择一个阈值，比如0.5，来决定你的输出是正结果还是负结果。在1vsAll的情况下，你选择输出单元中h值最高的标签作为你的预测标签。