我目前正在测试具有两个输出的回归问题的支持向量回归(SVR) . 这意味着 Y_train_data 对每个样本都有两个值 . 由于SVR只能生成单个输出,因此我使用scikit中的MultiOutputRegressor .

svr_reg = MultiOutputRegressor(SVR(kernel=_kernel, C=_C, gamma=_gamma, degree=_degree, coef0=_coef0))
svr_reg.fit(X_train_data, Y_train_data)

现在我注意到,即使在超参数优化之后,SVR也会比单个决策树提供更糟糕的结果 .

当使用具有多个输出的SVR时,这是一个已知问题吗?

并且创建具有不同超参数的两个单独的SVR模型会更好吗?