我有一个关于文本数据的多类分类器（使用 sklearn.svm）的工作示例。一次，我只能训练/测试一个功能。是否可以在一个分类器中堆叠多个特征？为了具体起见，我的数据具有以下特征：
feature 1: 1c1, 1c2, 1c3, 1c4
feature 2: 2c1,2c2
feature 3: 3c1,3c2,3c3,3c4,3c5
feature 4: 4c1,4c2,4c3
目前，我可以对功能 1 运行训练传递，并对功能 2 等重复。如何将它们堆叠在一起以获得像[1c4,2c1,3c5,4c2]这样的输出向量？这不是多标签问题，因为功能集 {1..n} 是互斥的。
显然，根据Alan Sz的回答，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。使用支持向量机创建 n 元分类器的最直接方法是创建 n 个支持向量机并逐个训练它们。另一方面，可以一次性训练具有神经网络的 n 元分类器。