解释使用 one-vs-all 选择输出的多类 SVM

Question

这是我在http://nlp.stanford.edu/IR-book/html/htmledition/multiclass-svms-1.html 上阅读的内容。
这就是说：“特别是，实践中最常见的技术是构建分类器one-versus-rest分类器（通常称为“one-versus-all”或OVA分类），并选择对分类器进行分类的类具有最大余量的测试基准”。
我真的不明白这是什么意思？这里的测试数据是什么？我只理解一对一的关系：对于每个特定的类，他们将在该类和其他类之间创建 1 个超平面。然后，当一条新记录进入模型以分类它应该属于哪个类时。那么在这种情况下如何为新记录选择合适的类呢？
让我展示一下我对引号的看法：我认为有 N 个类 ~ N 个分类器（超平面）~ N 个边距。需要分类的新记录属于具有最大边距的类（在 N 个边距中）并且该记录对该类是正的（意味着该记录不在其余部分）。 我没听错吧？
请帮我好好解释一下，因为我的英语不擅长学院环境，所以少用学院词，因为解释不好，我随时可能会误解。
提前致谢

Answer 1

SVM 将产生与超平面的距离。

您预测该距离最大的类（但最坏的情况下，所有可能都是负数！），因为您假设该分类器具有最高的置信度。