我正在训练一个问题，使得我的输出（y）可能不止一个类。例如，SVM可以说，这个输入向量是1类，但也可以说，这个输入向量是1和5类。这与多类SVM问题不同，其中输出可以是多个类中的一个。我的输出可能是多个类的一个或几个。
示例：我的训练数据看起来像（对于每个训练向量X）
X_1 [1 0 0 0]
X_2 [0 1 1 0]
X_3 [0 0 0 1]
X_4 [1 1 0 1]
右边是要预测的Y（这里我显示了一个包含4个类的示例，其中1表示类成员资格）。
据我所知，我需要使用结构SVM，例如这里讨论的：http://www.robots.ox.ac.uk/~vedaldi/svmstruct.html
然而，这对我来说非常困惑。
但是，我不想简单地为每个可能的输出类做一对一的分类器。我需要以某种方式考虑类关系，所以我想我需要的是结构SVM。我的训练数据将使用单个类标记一些实例，并使用多个类标记其他实例。
我想我正在问如何解决这个问题，如果你知道在MATLAB或python中这样做的任何软件包。
答案 0 :(得分：0)
您可以考虑使用scikit-learn multiclass and multilabel algorithms或MEKA工具以及可以在Python中与MEKA连接的scikit-multilearn。
答案 1 :(得分：0)
作为scikit-multilearn的作者，我可以推荐从python角度使用它，因为它是python中最大的多标签分类库，非常方便与scikit一起使用。您应该使用github的主版本而不是2年前的版本0.0.1。我们计划下周发布，这是一个非常大的更新，有新的分类器和许多其他。它还允许您与meka接口。
在你的情况下，使用4个标签，你可以通过一个基本的问题转换方法 - 位于skmultilearn.problem_transform.lp和skmultilearn.problem_transform.cc中的标签powerset或分类器链 - 获得良好的结果 - 更复杂的方法是有用的主要是在大标签不平衡的情况下，4标签不经常发生。
您可以在https://github.com/scikit-multilearn/scikit-multilearn获取图书馆，并通过git从
安装到pip
pip install git+https://git@github.com:scikit-multilearn/scikit-multilearn.git