Learning Zufalls Wald von Gruppe Betreute

Question

So habe ich ein Trainingsdaten wie folgt festgelegt (aber viel größer):

 Group PID Var1 Var2 Best 
    0 111  1  1  1  1 
    1 111  2  2  1  2 
    2 111  3  1  2  2 
    3 112  1  1  2  2 
    4 112  2  2  1  1 
    5 113  1  1  2  2 
    6 113  2  1  1  2 
    7 113  3  2  1  1 
    8 113  4  3  2  2 

Wo jede Gruppe (Zeilen, die eine Gruppennummer teilen) enthält eine Liste von Personen (jede eindeutige PID innerhalb jeder Gruppe), und eine Person innerhalb der Gruppe mit Best = 1 und der Rest mit Best = 2. Mein Ziel ist es, anhand dieser Trainingsdaten vorherzusagen, welche Person in jeder Gruppe die beste (Best = 1) basierend auf Var1 ist und Var2.

Ich habe mit Scikit lernen gespielt und versucht, das zufällige Waldmodell zu verwenden, um Best für die Testdaten vorherzusagen, aber es berücksichtigt nicht die Gruppen und kann Best = 1 für mehr als eine PID pro Gruppe zuweisen.

Ich frage mich, wie man das Modell trainieren/laufen lässt, so dass es lernt, ein einzelnes Best = 1 pro Gruppe zuzuweisen, anstatt es über alle Zeilen und Gruppen hinweg zuzuordnen. Es wäre genauso gut, mich in Richtung hilfreicher Ressourcen zu führen, denn ich bin mir nicht sicher, wo ich Hilfe suchen soll.

Answer 1

Wenn ein Feature nicht eine gut geordnete Metrik ist - wie eine diskrete Klassifizierung - verwenden wir One-Hot-Codierung. Dies bedeutet, dass für N Klassen (verschiedene Werte) der ursprünglichen Funktion, wir eine Familie von N Funktionen erstellen, genau ein davon wird „gut“ (in der Regel), während die anderen sind " schlecht "(typisch). Sie können dies als einen Satz von Booleschen Funktionen lesen: isGroup111(), isGroup112(), ...

Group111 Group112 Group113 PID Var1 Var2 Best 
0  1  0  0  1  1  1  1 
1  1  0  0  2  2  1  2 
2  1  0  0  3  1  2  2 
3  0  1  0  1  1  2  2 
4  0  1  0  2  2  1  1 
5  0  0  1  1  1  2  2 
6  0  0  1  2  1  1  2 
7  0  0  1  3  2  1  1 
8  0  0  1  4  3  2  2