将诸如各种 SVM 之类的二元分类器应用于多标签数据的常用方法是一对多，它假设标签是独立的，并且在出现预测错误的情况下，我们不关心不正确的预测应该输出什么标签。

但是假设我想预测一个从 1 到 5 的分数，并且我更愿意犯错更接近事实，那我该怎么做呢？ vs浮现在脑海中，因为在这种情况下，更接近的标签将有更大的训练数据重叠，但它在理论上是合理的吗？具体来说，整体性能是否会受到影响？更一般地说，在这种情况下我可以采用哪些最先进的技术？$\lt k$$\ge k$