Python多类分类

我有一个关于文本数据的多类分类器的工作示例（使用sklearn.svm）。一次只能训练/测试一项功能。是否可以在一个分类器中堆叠多个特征？具体而言，我的数据具有以下特点：

功能1:1c1、1c2、1c3、1c4
特征2:2c1,2c2
特征3:3c1,3c2,3c3,3c4,3c5
功能4:4c1,4c2,4c3

目前，我可以运行功能1的培训通行证，并重复功能2等。

---

我如何将它们叠加在一起，得到像

[1c4,2c1,3c5,4c2]

这样的输出向量？这不是多标签问题，因为要素集{1..n}是互斥的

显然，没有办法做到这一点

与支持向量机相比，人工神经网络的一个明显优势是，人工神经网络可以有任意数量的输出，而支持向量机只有一个输出。使用支持向量机创建n元分类器最直接的方法是创建n个支持向量机，并逐个训练它们。另一方面，使用神经网络的n元分类器可以一次性训练

---

显然，没有办法做到这一点，佩尔

与支持向量机相比，人工神经网络的一个明显优势是，人工神经网络可以有任意数量的输出，而支持向量机只有一个输出。使用支持向量机创建n元分类器最直接的方法是创建n个支持向量机，并逐个训练它们。另一方面，使用神经网络的n元分类器可以一次性训练

---

如果不了解体系结构或背后的任何原因，就很难回答为什么一次只能训练/测试一个功能。我看不出有什么理由有这样的限制？@OptimusCrime来自世界各地的每一篇报纸报道都有以下特点：1。故事类型2。品牌3。客户关注点4。调性和5。段为了让您快速了解，课堂故事类型可以是（1c1）产品评论（1c2）国家市场总监访谈（1c3）国家首席执行官访谈（1c4）需求和销售数据以及（1c5）丰田汽车事故报告。等等。对于音调，类将是（4c1）正，（4c2）中性，（4c3）负，和（4c4）负，并有升级。@OptimusCrime这不是一个多标签问题，它是一个五轨（输出）多类问题。我如何将SVM分类器堆叠为NN架构中的SVM分类器，以给出一个输出向量

[1,2,2,1,5]

@mlguy在没有看到架构或任何推理的情况下很难回答为什么一次只能训练/测试一个功能。我看不出有什么理由有这样的限制？@OptimusCrime来自世界各地的每一篇报纸报道都有以下特点：1。故事类型2。品牌3。客户关注点4。调性和5。段为了让您快速了解，课堂故事类型可以是（1c1）产品评论（1c2）国家市场总监访谈（1c3）国家首席执行官访谈（1c4）需求和销售数据以及（1c5）丰田汽车事故报告。等等。对于音调，类将是（4c1）正，（4c2）中性，（4c3）负，和（4c4）负，并有升级。@OptimusCrime这不是一个多标签问题，它是一个五轨（输出）多类问题。如何像在NN架构中那样堆叠SVM分类器，以给出输出向量

[1,2,2,1,5]

@mlguy