Neural network 在这种情况下我可以使用神经网络吗？

如果我的输出数据是27680，所有数据都是零，只有一个是一，我可以使用神经网络或svm等吗？ 我是说这样做对吗

当我使用SVM时，我有以下错误： 使用seqminopt>seqminoptImpl时出错（第198行）

---

在最大迭代次数内没有收敛。

支持向量机通常是二进制分类器。基本上，这意味着它们将数据点分为两组，这表示数据点是否属于某个类。使用支持向量机解决多类问题的常用策略是一对一和一对一。在one vs rest的情况下，您将为每个类训练一个分类器，这对您来说是27680。在一对一的情况下，你将训练（K除以2）=（K（K-1））/2个分类器，所以在你的情况下大约3800万。如您所见，这两个数字都相当高，因此我对您使用支持向量机成功解决问题的可能性持悲观态度。
不过，您可以尝试增加最大迭代次数，如中所述。也许它仍然有效

你可以使用神经网络完成你的任务，1/K的输出也没什么不寻常的。然而，即使只有一个包含500个神经元的隐藏层（并且使用您的评论中提到的输入和输出向量大小），您的网络中也会有（27680*2*500）+（500*27680）=41520000个权重。因此，我预计培训时间相当长（尽管谷歌员工可能会嘲笑这些数字）。除非您的输入非常简单，否则您很可能还需要大量的培训示例

---

作为替代方案，您可以查看决策树/随机林、朴素贝叶斯或kNN。

您的意思是您的输入向量是27680，它有27679个零，只有一个值等于1？hi。是的，我的意思是，如果我想训练这个网络，我的网络输入（特征或观测变量）是X，是27680*2，我的网络输出是Y（目标），是27680*1…当我想使用Y的数据时，它有27679个零，只有一个值等于1…我可以使用神经网络或支持向量机等吗？这对我来说听起来你可以改进你的特征向量。带有二进制标志的27680类对于梯度下降来说并不理想。如果您正在执行文本分类，请使用朴素贝叶斯（Naive Bayes）。X是序列输入，Y是序列输出……当我们想要得到Y值时，测试数据只需要2个X值。。我在这个链接中上传了一张图片，上面显示了你可以看到的东西，看到只有一个数据是绿色的…X有2个维度，y有1个维度…谢谢你，你的意思是你有大约27000个例子（而不是27000个维度），你用1/0的值投射到一个维度上是/否？然后SVM应该能够找到一个很好的解决方案。如果迭代次数不足，则尝试使用非线性决策边界（例如RBF）并增加可能被错误分类的数据点的数量（通常通过增加C值）。是的，我有两个类a和B要分开（a显示为零，B显示为一），当我们在所有情况下看到数据集时，类a有27679个零，类B有1个（在这些情况下，只有1的位置在变化，我们一直有27679个0和1个1）…一直以来，对于所有数据示例，我们有27679个零，只有1个…我想知道，对于像这样的项目，SVM或神经网络能得到正确的解决方案吗？像这样的图像axgig.com/viewer.php？file=94461789190863693715.jpg所有数据都在claasA中，只有一个在classBSo中显然，你有一堆训练示例和ev每个示例是一组约27000个数据点，其中只有一个点属于a类。如果a类的所有点都有点类似，那么您可以在所有这些示例中使用SVM（a中的多个点+B中的多个点作为训练集）。你可能必须在B中扔掉很多点，否则你的训练集将严重地向B倾斜。如果A依赖于每个示例中的所有其他点，那么你可以尝试使用回归预测A的坐标，并选择最接近A的点作为A。非常感谢，我可以省略classA中的一些点。但我认为A中的点的数量是还很大，所以我会用回归法。我真的很感谢你的帮助。