您的选项 1 可能不是最好的选择；如果您想拥有多个二元分类器，请尝试一种称为One-vs-All的策略。

在One-vs-All中，您基本上拥有一个专家二进制分类器，它非常擅长从所有其他模式中识别一种模式，并且实施策略通常是级联的。例如：

  if classifierNone says is None: you are done
  else:
    if classifierThumbsUp says is ThumbsIp: you are done
    else:
      if classifierClenchedFist says is ClenchedFist: you are done
      else:
        it must be AllFingersExtended and thus you are done

以下是 Andrew Ng 课程中 One-vs-all 的图解说明：

多类分类器的优缺点：

优点：

• 开箱即用，易于使用
• 当你有很多课程时很棒

缺点：

• 在训练期间通常比二元分类器慢
• 对于高维问题，他们真的需要一段时间才能收敛

流行的方法：

• 神经网络
• 基于树的算法

一对多分类器的优缺点：

优点：

• 由于它们使用二元分类器，因此它们通常收敛速度更快
• 当你有几门课时很棒

缺点：

• 当你有太多的类时处理真的很烦人
• 在训练时你真的需要小心以避免引入偏差的类不平衡，例如，如果你有 1000 个样本none和 3000 个thumbs_up类样本。

流行的方法：

• 支持向量机
• 大多数集成方法
• 基于树的算法