在多类分类（MCC）问题背景下，常见的方法是通过多个二元分类器构建最终解决方案。通常提到的两种组合策略是一对所有和一对一。

为了区分这两种方法，更清楚的做法是看每个二元分类器试图做什么。一对所有的原始分类器试图将一个类别与其他所有类别分开。而一对一的原始分类器试图将一个类别与另一个类别分开，一对一也被称为所有对所有和所有配对，这一点相当令人困惑。

我想研究通过以二元决策树的方式组合二元分类器来构建MCC分类器的这个相当简单的想法。举个说明性的例子：

       有翅膀吗？     /           \  呱呱叫吗？         喵喵叫吗？  /   \         /     \鸭子  鸟    猫     狗

如你所见，有翅膀吗？进行的是2对2的分类，所以我称这种方法为多对多。问题是，我不知道从哪里开始阅读。你能推荐一篇好的论文吗？

为了提供更多的背景信息，我正在考虑使用多层次进化算法（MLEA）来构建这棵树。所以如果有更直接的答案，将会非常受欢迎。

编辑：为了提供更多背景信息（或许你会觉得有用），我读了这篇论文，这是GECCO 2011最佳论文获奖者之一；它使用MLEA以一对所有的方式组合MCC。这激发了我寻找一种将其修改为决策树构建器的方法的想法。

回答：

@Sailesh的回答是正确的，你打算构建的是一棵决策树。已经有很多用于学习这种树的算法，例如随机森林。你可以尝试weka，看看那里有什么可用的资源。

如果你对进化算法更感兴趣，我想提一下遗传编程。你可以尝试我们在HeuristicLab中的实现。它可以处理数值类，并尝试找到一个公式（树），使用例如均方误差（MSE）作为适应度函数，将每一行映射到其相应的类别。

还有基于实例的分类方法，如最近邻居，或基于核的方法，如支持向量机。基于实例的方法也支持多个类别，但使用基于核的方法时，你必须使用你提到的方法之一。