问题

decision_function_shape参数似乎对sklearn.svm.SVC对象的输出本身没有决定性影响，仅是重塑了每个分类器得分的数组。但是，有没有办法理解在对象的基本实现中（OvO策略和decision_function_shape的默认参数ovr）数组是如何转换的？

观察

用于多类分类的SVC实现使用了一个对一个（One vs One）策略。因此，对于n个类别，我们得到n选择2个分类器。总结如下：

ovo = SVC()                                     # (n选择2)个分类器ovo_bis = SVC(decision_function_shape='ovo')    # (n选择2)个分类器ovr =  OneVsRestClassifier(SVC())               # n个分类器ovo.decision_function([one_instance])           # 返回长度为n的数组ovo_bis.decision_function([one_instance])       # 返回长度为(n选择2)的数组ovr.decision_function([one_instance])           # 返回长度为n的数组

回答：

从OvO分类器集合到OvR决策函数的转换发生在_ovr_decision_function函数中，源码在此。简而言之，每个涉及类i的OvO分类器都会对每个样本是否属于类i进行投票，这些投票会被统计，获得最多票的类获胜；为了打破平局，会纳入置信水平（OvO决策函数），再次在OvO分类器中总计，并现在调整到适用于仅打破平局的范围内。