一對多提供了一種利用二元分類的方法。鑑於一個分類問題會有 N 個可行的解決方案，一對多解決方案包括 N 個單獨的二元分類器，每個可能的結果對應一個二元分類器。在訓練期間，模型會訓練一系列二元分類器，使每個分類器都能回答單獨的分類問題。以一張狗狗的照片為例，可能需要訓練五個不同的識別器，其中四個將圖片看作負樣本（不是狗狗），一個將圖片看作正樣本（狗狗）。即：
- 這是一張蘋果的圖片嗎？不是
- 這是一張熊的圖片嗎？不是
- 這是一張糖果的圖片嗎？不是
- 這是一張狗狗的圖片嗎？是
- 這是一張雞蛋的圖片嗎？不是
當類別總數較少時，這種方法比較合理，但隨著淚別數量的增加，其效率會變得越來越低下。
我們可以藉助深度神經網路（在該網路中，每個輸出節點表示一個不同的類別）建立明顯更加高效的一對多模型。下圖展示了這種方法：
本作品採用《CC 協議》，轉載必須註明作者和本文連結