使用scikit的多輸出分類決策樹

Question

免責聲明：我是機器學習領域的新手，儘管在過去一個月中我已經完成了我的公平份額研究，但對此主題仍缺乏深入的理解。

我一直在玩scikit庫，目的是學習如何基於歷史信息預測新數據，並對現有信息進行分類。

我試圖解決這可能是相關2個不同的問題：

問題1

給出一個包含有一個數據組行R1，...，RN與特徵F1 ... FN，和目標每行組的行，確定行R（N + 1）屬於哪個組。

現在，目標值不是奇異的，它是一組值;我已經能夠提出的最佳解決方案是將這些值集合表示爲串聯，這創建了一個人造類，並允許我僅使用一個屬性來表示多個值。有沒有更好的方法呢？

我期望的是能夠傳遞全新的一組行，並被告知哪些是每個目標值。

問題2

給出一個包含行R1，...，RN與特徵F1 ... FN，預測R（N + 1）的基礎上的特徵的頻率的值的數據集。

這裏有幾個方面的考慮：

1. 大多數功能在本質上是絕對的。
2. 某些功能是日期，所以在進行預測時，日期應該是未來相對於歷史數據。
3. 頻率分析需要每行完成，因爲某些值集合可能無效。

我在這裏的問題是：是否有任何過程/ ML算法，給出的歷史數據將能夠預測一組新的基於參數頻率的值集？

如果您有任何建議，請讓我知道。

Answer 1

關於問題1，如果您希望目標值的不同組成部分是獨立的，則可以通過爲每個組件構建分類器來解決問題。也就是說，如果該功能是F = (F_1, F_2, ..., F_N)和目標Y = (Y_1, Y_2, ..., Y_N)，創建具有特色F分類和目標Y_1，第二分類與特點F和目標Y_2等

對於問題2，如果你不處理一個時間序列，IMO可以做的最好就是預測每個特徵的最頻繁值。

這就是說，我相信你的問題更適合像交叉驗證的另一個堆棧交換。