Насколько я знаю, проблему с несколькими метками можно решить с помощью схемы «один против всех», для которой Scikit-learn реализуетOneVsRestClassifier в качестве оболочки для классификатора, такого какsvm.SVC, Мне интересно, как было бы иначе, если бы я буквально тренировался, скажем, у нас есть проблема с несколькими метками с n классами, n отдельными двоичными классификаторами для каждой метки и, таким образом, оцениваем их отдельно.

Я знаю, что это похоже на «ручной» способ реализации «один против всех» вместо использования обертки, но действительно ли два способа различны? Если да, то чем они отличаются, например, во время выполнения или производительности классификатора (ов)?