y>1维回归

Question

我正在做一个项目，解码与人类视觉有关的大脑活动。我把图像放在电脑屏幕上，用一个移动的脑电耳机记录下大脑的活动，然后用机器学习找出图像的特定特征和相关脑电之间的联系。你知道吗

在实践中，每个训练样本包括从500个脑电特征到50个图像特征的学习，这对SKLearn岭回归器没有问题，但是我有兴趣尝试其他回归器。当我用LinearSVR尝试同样的代码时，我意识到它的fit函数不支持一个大于1维的y。为了解决这个问题，我简单地创建了一个回归器列表，每个回归器以脑电和一个图像特征作为训练样本，然后我可以从列表中的每个回归器中得到一个预测，并将结果组合成一个图像特征向量。这确实有效，但是它非常缓慢和笨拙，我想知道SKLearn（或者一般的Python）是否有一种更具原则性的方法来用y>；1维实现这些情况。我应该提到，我正在使用多处理模块中的Pool来加快速度。你知道吗

我还发现，虽然SKLearn的许多核心功能都很好地工作，但我的用例太不同，无法应用许多实用功能。例如（我认为）出于上述原因，我不得不实现自己的gridsearch函数，而不是使用内置函数。这是正常的吗？我不觉得我要解决的问题应该特别独特。你知道吗