如果我正确理解您的问题，也许最好的方法不是多输出。

您正在尝试预测要使用的分段。所以看起来你可以通过两种方式做到这一点。

• 给每个肿瘤一个类别——类别是获得最佳准确度分数的分割——并进行类别预测。我想，这就是你对彼得的回应所说的话。确实，它忽略了次优方法，但您可能会得到类别预测正确的概率度量。

• 将其构建为预测每种方法的准确性的回归问题。因此，对于任何新肿瘤，您将获得每个类别的预测准确度分数。然后，你会采用这种方法。

话虽如此，如果你真的想要多输出预测：

http://scikit-learn.org/stable/auto_examples/tree/plot_tree_regression_multioutput.html

http://scikit-learn.org/stable/modules/generated/sklearn.multioutput.MultiOutputRegressor.html

对于 n 路输出，我认为您可以构建 n 决策（回归）树。树 i 将采用 m 个输入变量（m=6 个肿瘤参数），并预测第 i 个输出的准确度等级（i 在 {1..n}，n=8，分割方法）。

因此，第 i 个树将尝试捕获第 i 个分割方法运行良好的参数值范围。当两种方法 i,j 效果相同时，正如您在评论中提到的那样，i 和 j 的决策树可能都输出相似的等级值。

因此，任何标准的树软件都可以工作。