マルチラベル回帰問題にlibsvmを使用することは可能ですか？

Question

6属性の値に応じて球座標（r、theta、phi）を予測する必要があるシナリオがあります。回帰オプション付きのLibsvmを使用しています。オブジェクトのインスタンスに従ってラベルを個別に予測すると意味がありません。また、ラベルを結合して各r、theta、phiに固有のラベルを割り当てると、それは有意義ではなく、SVMは予測に収束しません。私はSVMに3つの座標の組み合わせを分析し、それに応じて訓練モデルを作成したい。出来ますか？お知らせ下さい。

Answer 1

実際には、SVMは予測アルゴリズムではなく、分類アルゴリズムです。 SVMに関する限り、（0、0、1）のラベルは、（20,3、-1）からのものと同じように、（0,0,2）と区別されます。

回帰の問題がある場合は、回帰モデルを使用してください。小さなリサーチを行い、データセットの特性が示唆するものと一致するものを探します。

---

UPDATE OP PER COMMENT

あなたが言ってきたなけなしから、あなたは、多変量回帰分析をしたいかのように、それは所望の出力からの偏差を説明し、単一の損失関数で、私に聞こえますトリプル。このシナリオでは、3つの個別の回帰が機能しないのは間違いありません。空間内の位置は、3つの出力の非線形結合によって決まります。

私はあなたの損失関数を真の位置と予測された位置の間の有用な距離関数にすることをお勧めします。 6つの入力のそれぞれについて、線形、二乗、およびその他の項を使用して、モデルフィーチャーを試す必要があります。あなたは問題を適切に記述していないので、何も示唆することはできません。