Nlp WEKA中SVM训练的标称属性中标称值的最大数量是多少？

我有一个NLP问题，我计划用支持向量机在WEKA中进行分类。 我试图对单词进行分类——POS标记集有24个标记，基本短语块BPC标记集有15个标记

但我有一些特征集，我希望每个单词都能根据其特征进行分类

第一个特性集是{POS}，因此标称属性POS将有24个标称值。 第二个是{POS+BPC}，因此POS+BPC nominal属性的标称值为24*15=375

例如，一个单词可以这样输出，每个名词属性都被分类：

word, POS=tag1, POS+BPC=tag234

我只是想知道这是否可能？对于一个标称属性，我可以拥有的标称值的最大类数是多少？因为我可能会使用更多的标记集和组合。我需要使用LibSVM包吗？使用支持向量机解决这个多类问题有意义吗

---

我的训练数据集约为288K单词，测试数据集约为35k单词。

我认识一个人，他拥有300万个功能，并使用weka构建分类器。但他必须将提供给weka的内存从1GB增加到3MB。与他的设置相比，您有2个功能，但有3位数的值范围。我相信除了记忆问题之外，不应该有任何问题。Weka是一个大型采矿工作台。你为什么不运行一些样本作为一个健全的测试，给我们一个提示呢？

你对单词class的使用非常混乱。你指的是名义价值；课程是你试图预测的东西。