我有一个场景，我需要根据6个属性的值来预测球坐标（r，theta，phi）。我正在使用具有回归选项的Libsvm。如果我根据对象实例单独预测标签，那就没有意义了。此外，如果我组合标签并为每个r，theta，phi分配特定标签，那么它就没有意义，SVM也不会在预测中收敛。我希望SVM分析三个坐标的组合，并相应地创建一个训练模型。可能吗？请指教。
答案 0 :(得分：0)
不是真的：SVM是一种分类算法，而不是一种预测算法。就SVM而言，（0,0,1）的标签与（0,0,2）不同，因为它来自（20,3，-1）：＆＃34;不相同＆＃34 34。
如果您有回归问题，请使用回归模型：进行一些研究，找出与数据集特征建议相匹配的问题。
OP OPATE PER OP COMMENT
从你所说的一点点来看，听起来好像你想要一个多元回归，只有一个损失函数描述了与所需输出三元组的偏差。你纠正了三个单独的回归对这种情况不起作用：空间位置取决于三个输出的非线性组合。
我建议你使你的损失函数在真实位置和预测位置之间有一些有用的距离函数。您需要尝试使用模型特征，对六个输入中的每一个使用线性，平方和其他项。我无法提出任何建议，因为你还没有充分描述这个问题。