unrolling mult-classes to two-classes

多分類問題轉換成二分類問題的一個途徑，來自opencv sample on boost

N分類問題中，樣本總數爲T，每個樣本維度爲M, 一行一個樣本，則

樣本數組sample = Mat(T,M)

類別數組cls = Mat(T,1) ，

以下的代碼進行unrolling

new_sample = Mat(T*N,M+1)

new_cls = Mat(T*N,1)

for (int t = 0; t < T; t++)
{ 

     for (int n = 0; n < N; n++)
    {
        new_sample(t * N + n,0:M) = sample(t,0:M); //前M維直接從原始樣本複製
        new_sample(t * N + n, M + 1) = n; //最後一個新增維度是當前類別數目
        new_cls(t * N + n,0) = cls(t,0) == n; //0 or 1
    }
    

}

對於boost，訓練時需要指定新增的一個維度是CV_VAR_CATEGORICAL

預測階段，對於每一個樣本，要嘗試N次，每次用一個類別擴充該樣本特徵，然後用訓練出來的分類器預測這個擴充後的樣本是0 or 1，達到分類的目的

但是在char ocr測試中，這種方法的recalling比bpnet低了接近30%