6 속성의 값에 따라 구 좌표 (r, theta, phi)를 예측해야하는 시나리오가 있습니다. 회귀 옵션과 함께 Libsvm을 사용하고 있습니다. 개체 인스턴스에 따라 개별적으로 레이블을 예측하면 의미가 없습니다. 또한 레이블을 결합하고 각 r, theta, phi에 대해 특정 레이블을 지정하면 의미가 없으며 SVM이 예측에 수렴하지 않습니다. SVM이 세 좌표의 조합을 분석하여 이에 따라 교육 모델을 작성하기를 원합니다. 가능한가? 제발 조언.다중 레이블 회귀 문제에 libsvm을 사용할 수 있습니까?
사실 : SVM은 예측 알고리즘이 아닌 분류 알고리즘입니다. SVM에 관한 한 (0, 0, 1)의 레이블은 (20, 3, -1)에서와 같이 (0, 0, 2)와 구별됩니다.
회귀 문제가있는 경우 회귀 모델을 사용하십시오. 약간의 연구를 수행하여 데이터 세트 특성이 나타내는 것이 무엇이든지 일치하는 것을 찾으십시오. 다 변수 회귀를 원하는 것처럼 영업 COMMENT PER
이UPDATE는 당신이 말한 작은 것을에서
, 그것은 원하는 출력에서의 편차를 설명하는 하나의 손실 함수와, 나에게 소리 삼루타. 이 시나리오에서는 세 가지 개별 회귀가 작동하지 않는다는 것이 맞습니다 : 공간의 위치는 세 출력의 비선형 조합에 따라 다릅니다.
귀하의 손실 함수가 실제 위치와 예측 된 위치 사이의 유용한 거리 함수가되도록 제안하십시오. 6 개의 입력 각각에 대해 선형, 제곱 및 기타 조건을 사용하여 모델 피처를 시험해야합니다. 당신이 그 문제를 적절하게 묘사하지 못했기 때문에 나는 아무것도 제안 할 수 없습니다.
회귀 모델에서 연구했지만 멀티 출력 시나리오에서는별로 도움이되지 않았습니다. 여러 레이블을 결합하고 새 레이블을 정의하거나 여러 레이블 중 하나를 기준으로 복제를 제안하는 것이 좋습니다. 그것은 나를 위해 일하지 않는다. 여러 출력물을 조합으로 처리하고이를 기반으로 예측하고 싶습니다. – Vidhya