返回信息流本人对机器学习只是稍有了解，不是很懂，特来此问问各位有没有什么好的建议~
背景：我这里有一个实际的问题，大概一共只有5000多组数据，每组数据的输入是6个，但是输出也是6个（分别对应6种情绪），而且输出的是对6种情绪的打分，在0-10分之间，也就是有11个类。
我看了一些机器学习相关的算法，感觉一般的输出都是1种。所以我就用SVM之类的Multiclass算法分别学习了6次，对一些情绪的分类结果不是特别理想。 感觉到的问题就是对这6种情绪分别学习，就忽略了它们之间可能存在的联系，比如happy这种情绪的打分高，很可能sad这种情绪的打分就会比较低。
现在的问题就是，我暂时没有查到那种能够实现多输出需求的算法。我有找到一个多标签学习的方法，这种方法能够实现多输出的分类，但是它的每一个输出只能有1和0两个类，我这里11个类确实很多，所以可以考虑把类减少到5个甚至3个，但是感觉两个类太少了。所以想问问各位，有没能实现多输出需求的算法？或者有没有什么推荐的对已有算法的改进方法？
十分感谢！！！
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #22182同步于 2016/12/9
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
【问题】关于多输出的机器学习算法~
hao2310693
2016/12/9镜像同步5 回复
订阅后，新回复会通过你的通知中心匿名送达。
5 条回复
赞同，softmax天生适合多分类问题
【 在 hbhmwzl (陆仁贾) 的大作中提到: 】
: 用softmax回归，相当于LR模型的多分类版本，能够输出分到每个类别的概率，然后做等频切分把概率切分成11份
好的，十分感谢！
【 在 hbhmwzl (陆仁贾) 的大作中提到: 】
: 用softmax回归，相当于LR模型的多分类版本，能够输出分到每个类别的概率，然后做等频切分把概率切分成11份
好的，我看看能不能再加一些输入维度！
【 在 sdlslx (立夏之光) 的大作中提到: 】
: 还有，你这问题，输入维度太小，即特征太少，目测再复杂的模型，也难有好效果。相当于过定方程组，没啥好解