В настоящее время я тестирую опорную векторную регрессию (SVR) на проблему регрессии с двумя выходами.Это означает, что Y_train_data имеет два значения для каждого образца.Поскольку SVR может выдавать только один вывод, я использую MultiOutputRegressor из scikit .
svr_reg = MultiOutputRegressor(SVR(kernel=_kernel, C=_C, gamma=_gamma, degree=_degree, coef0=_coef0))
svr_reg.fit(X_train_data, Y_train_data)
Теперь я заметил, что даже после оптимизации гиперпараметра SVR дает значительно худшие результаты, чем одиночные деревья решений.,
Это известная проблема при использовании SVR с несколькими выходами?
И лучше ли создать две отдельные модели SVR с разными гиперпараметрами?