现在有ABCD四个类别，很显然这是一个四分类问题，不能直接使用二分类算法。但是可以将其转换为二分类问题：A为一个类别（One），BCD为一个类别（Rest）；并以此类推：B为一个类别，ACD一个类别；D一个类别，ABC一个类别。仍然是ABCD四个类别，每次选出两个类别进行二分类，一共有C（4，2）=6个不同的两两类别对，即6种二分类情况。每一个二分类都可以估计出预测新样本属于对应两个类别中的哪一个

其中，Ytrain为正确的标签，y_score为输出概率值，thresholds1为阈值，当 y_score>thresholds1时预测为正样本；随机将样本划分为训练集（70%）和测试集（30%），用训练集训练模型，用测试集验证模型及参数。接着再把样本打乱，重新选择训练集和测试集，继续训练模型和验证模型。将样本随机划分为K个大小相同的互斥的子集，每次选K-1个作为训练集，剩的那个作为测试集。，可

其中，Ytrain为正确的标签，y_score为输出概率值，thresholds1为阈值，当 y_score>thresholds1时预测为正样本；随机将样本划分为训练集（70%）和测试集（30%），用训练集训练模型，用测试集验证模型及参数。接着再把样本打乱，重新选择训练集和测试集，继续训练模型和验证模型。将样本随机划分为K个大小相同的互斥的子集，每次选K-1个作为训练集，剩的那个作为测试集。，可

其中，Ytrain为正确的标签，y_score为输出概率值，thresholds1为阈值，当 y_score>thresholds1时预测为正样本；随机将样本划分为训练集（70%）和测试集（30%），用训练集训练模型，用测试集验证模型及参数。接着再把样本打乱，重新选择训练集和测试集，继续训练模型和验证模型。将样本随机划分为K个大小相同的互斥的子集，每次选K-1个作为训练集，剩的那个作为测试集。，可

其中，Ytrain为正确的标签，y_score为输出概率值，thresholds1为阈值，当 y_score>thresholds1时预测为正样本；随机将样本划分为训练集（70%）和测试集（30%），用训练集训练模型，用测试集验证模型及参数。接着再把样本打乱，重新选择训练集和测试集，继续训练模型和验证模型。将样本随机划分为K个大小相同的互斥的子集，每次选K-1个作为训练集，剩的那个作为测试集。，可