在这种情况下我可以使用神经网络吗？
Can I use neural network in this case?
如果我的输出数据是 27680 并且它们都是零并且只有一个是一，我可以使用神经网络或 svm 等吗？
我的意思是这样做对吗？
当我使用 SVM 时出现以下错误：
使用 seqminopt>seqminoptImpl 时出错（第 198 行）
在最大迭代次数内未实现收敛。
SVM 通常是二元的 classifier。基本上这意味着它们将您的数据点分成两组，这表明数据点是否属于 class。使用 SVM 解决多 class 问题的常见策略是一对一和一对一。在 one-vs-rest 的情况下，你会为每个 class 训练一个 classifier，这对你来说是 27,680。在一对一的情况下，您将训练 (K over 2) = (K(K-1))/2 classifiers，因此在您的情况下大约有 3800 万。如您所见，这两个数字都相当高，所以我对您使用 SVM 成功解决问题的可能性持悲观态度。
不过，您可以尝试增加最大迭代次数，如 another Whosebug thread 中所述。也许它仍然有效。
您可以使用神经网络来完成您的任务，1-of-K 输出并不罕见。但是，即使只有一个包含 500 个神经元的隐藏层（并使用您评论中提到的输入和输出向量大小），您的网络中也会有 (27680*2*500) + (500*27680) = 41,520,000 个权重。所以我希望培训时间相当长（尽管 Google 员工可能会嘲笑这些数字）。您也很可能需要大量训练示例，除非您的输入非常简单。
作为替代方案，您可以查看决策 Trees/Random 森林、朴素贝叶斯或 kNN。
如果我的输出数据是 27680 并且它们都是零并且只有一个是一，我可以使用神经网络或 svm 等吗？ 我的意思是这样做对吗？
当我使用 SVM 时出现以下错误： 使用 seqminopt>seqminoptImpl 时出错（第 198 行） 在最大迭代次数内未实现收敛。
SVM 通常是二元的 classifier。基本上这意味着它们将您的数据点分成两组，这表明数据点是否属于 class。使用 SVM 解决多 class 问题的常见策略是一对一和一对一。在 one-vs-rest 的情况下，你会为每个 class 训练一个 classifier，这对你来说是 27,680。在一对一的情况下，您将训练 (K over 2) = (K(K-1))/2 classifiers，因此在您的情况下大约有 3800 万。如您所见，这两个数字都相当高，所以我对您使用 SVM 成功解决问题的可能性持悲观态度。
不过，您可以尝试增加最大迭代次数，如 another Whosebug thread 中所述。也许它仍然有效。
您可以使用神经网络来完成您的任务，1-of-K 输出并不罕见。但是，即使只有一个包含 500 个神经元的隐藏层（并使用您评论中提到的输入和输出向量大小），您的网络中也会有 (27680*2*500) + (500*27680) = 41,520,000 个权重。所以我希望培训时间相当长（尽管 Google 员工可能会嘲笑这些数字）。您也很可能需要大量训练示例，除非您的输入非常简单。
作为替代方案，您可以查看决策 Trees/Random 森林、朴素贝叶斯或 kNN。