unrolling mult-classes to two-classes

多分类问题转换成二分类问题的一个途径，来自opencv sample on boost

N分类问题中，样本总数为T，每个样本维度为M, 一行一个样本，则

样本数组sample = Mat(T,M)

类别数组cls = Mat(T,1) ，

以下的代码进行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维直接从原始样本复制
        new_sample(t * N + n, M + 1) = n; //最后一个新增维度是当前类别数目
        new_cls(t * N + n,0) = cls(t,0) == n; //0 or 1
    }
    

}

对于boost，训练时需要指定新增的一个维度是CV_VAR_CATEGORICAL

预测阶段，对于每一个样本，要尝试N次，每次用一个类别扩充该样本特征，然后用训练出来的分类器预测这个扩充后的样本是0 or 1，达到分类的目的

但是在char ocr测试中，这种方法的recalling比bpnet低了接近30%