支持向量回归多输出答案

【问题标题】：Support Vector Regression multiple outputs支持向量回归多输出
【发布时间】：2019-05-11 05:18:26
【问题描述】：

我目前正在针对具有两个输出的回归问题测试支持向量回归 (SVR)。这意味着Y_train_data 每个样本都有两个值。由于 SVR 只能产生单个输出，因此我使用来自 scikit 的 MultiOutputRegressor。

from sklearn.svm import SVR
from sklearn.multioutput import MultiOutputRegressor

    svr_reg = MultiOutputRegressor(SVR(kernel=_kernel, C=_C, gamma=_gamma, degree=_degree, coef0=_coef0))
    svr_reg.fit(X_train_data, Y_train_data)

现在我注意到，即使在超参数优化之后，SVR 提供的结果也比单一决策树差得多。

在使用具有多个输出的 SVR 时，这是一个已知问题吗？

创建两个具有不同超参数的独立 SVR 模型会更好吗？

【问题讨论】：

MultiOutputRegressor 不会考虑目标输出之间的相关性。它将为每个输出训练一个单独的 SVR，而决策树本身可以处理多个类，因此可能表现更好
在应用 SVR 之前是否对特征进行了归一化？

标签： python scikit-learn svm

【解决方案1】：

正如 Vivek Kumar 在 cmets 中所指出的，您的 SVR 可能表现更差，因为它不会同时计算输出以考虑输出之间的相关性。因此，我建议使用能够处理多个目标的自适应 SVR 回归，例如多输出支持向量回归。你可以找到一个实现here。然后，您可以将结果与 MultiOutputRegressor 的输出进行比较，以检查是否有改进。

【讨论】：