Załóżmy, że buduję model predykcyjny, w którym próbuję przewidzieć wiele zdarzeń (na przykład zarówno rzut kości, jak i rzut monetą). Większość znanych mi algorytmów działa tylko z jednym celem, więc zastanawiam się, czy istnieje standardowe podejście do tego rodzaju rzeczy.
Widzę dwie możliwe opcje. Być może najbardziej naiwnym podejściem byłoby po prostu potraktowanie ich jako dwóch różnych problemów, a następnie połączenie wyników. Ma to jednak poważne wady, gdy dwa cele nie są niezależne (w wielu przypadkach mogą być bardzo zależne).
Bardziej rozsądnym podejściem byłoby dla mnie połączenie atrybutu celu. Zatem w przypadku kości i monety mielibyśmy stanów ( itd.). Może to jednak prowadzić do tego, że liczba stanów / klas w złożonym celu będzie dość szybko dość duża (co gdybyśmy mieli 2 kości itp.). Co więcej, wydaje się to dziwne w przypadku, gdy jeden atrybut jest kategoryczny, a drugi liczbowy (na przykład w przypadku przewidywania temperatury i rodzaju opadów).( 1 , H ) , ( 1 , T ) , ( 2 , H )
Czy istnieje jakieś standardowe podejście do tego rodzaju rzeczy? Alternatywnie, czy istnieją jakieś algorytmy uczenia zaprojektowane specjalnie do tego?