我有一个类似的数据集:
y1 | y2 | y3 | x1 | x2 | x3 | x4 | ..... xn|
1 | 0 | 0 | 1 | 1 | 0 | 1 | ..... 1 |
1 | 0 | 1 | 1 | 0 | 0 | 0 | ..... 0 |
1 | 1 | 0 | 0 | 1 | 1 | 1 | ..... 0 |
使用上述数据,我具有独立变量x1,x2 ... xn和因变量y1,y2,y3。我想运行一些(机器学习)算法,该算法不仅可以对一个因变量进行分类,还可以对一组因变量进行分类。一种方法是为每个因变量一一学习模型,但这可能太耗时了,因为最初我有50多个因变量。关于算法有什么建议,可以以更快的方式为我做到这一点吗?谢谢。
来自官方Scikit-Learn文档:
可以将多输出分类支持添加到任何分类器中 多输出classifier。该策略包括安装一个 每个目标分类器。这允许多个目标变量 分类。该课程的目的是将估计器扩展到 能够估计一系列目标函数(F1,F2,F3 ...,FN) 在单个X预测矩阵上接受训练,以预测一系列 repons(Y1,Y2,Y3 ...,Yn)。
因此,您可以使用此幻想图书馆为您完成工作:)