Elección de un método para resolver un problema de mapeo de muchos a uno

Question

Descripción del problema

Predecir una lista de valores asociados a un conjunto de variables.

Juego de trenes

Trainset tiene un conjunto de variables X1, X2, X3, ... Xn. En la forma más simple, cada variable es de tipo numérico con diferentes rangos. El mayor rango es 1-100000 y el menor 1-10. El objetivo es una lista de números (Y) cuyo rango es de nuevo 1-100000. La lista es de longitud variable por lo que cada observación tiene un número variable de objetivos. Podríamos suponer que la lista de objetivos es una lista de IDs de artículos.

Ejemplo de subconjunto de trenes (X1, X2, X3... Xn => {Y})

Observación1: 2345, 23, 8, ... 99399 => {2345, 98755}

Observación2: 45276, 3, 1, ... 80001 => {7865, 98675, 78954}

y así sucesivamente...

Predicción

Así pues, la predicción es una lista de números que puede variar en función de los valores de las variables.

Mis pensamientos

---

1. Parece un problema de clasificación multietiqueta en el que cada etiqueta corresponde a un único valor de la lista de predicción.

2. Pero como el rango de las etiquetas es grande (es decir, 1-100000), no se puede utilizar un método de clasificación.

3. Probablemente se puede utilizar el método de regresión multiobjetivo para predecir una lista de objetivos para una observación en el conjunto de pruebas.

4. Suponiendo que Ym es la longitud máxima de la lista de predicción en el conjunto de entrenamiento. Podría llenar la lista de predicción en la Observación1 del conjunto de entrenamiento como:

   Observación1: 2345, 23, 8, ... 99399 => {2345, 98755, 0 , ... 0} (el 0 representa un valor vacío que se repite Ym-2 veces)

5. Podría valer la pena normalizar todas las variables y valores de la lista de predicción.

Preguntas

1. ¿Me falta algo? ¿Es este método apropiado para este tipo de problema?
2. Los valores de la lista de predicción son identificadores, por lo que no tienen una correlación directa con otros valores y variables de la observación. Y esta es una preocupación que me inquieta. ¿Será una preocupación importante si utilizo una regresión multiobjetivo?
3. ¿Qué tipo de métodos puedo utilizar? ¿Red neuronal o regresión lineal?
4. Dado que el conjunto completo de objetivos se conoce durante el entrenamiento, ¿podría utilizarse un método de agrupación, ya que estoy tratando de predecir un grupo de elementos que corresponden a una observación?

Answer 1

Un posible enfoque es suponer que, en función de las características de un dispositivo, cada cookie aparece de forma independiente. En ese caso, se puede ajustar un SVM o un árbol de decisión o algún otro clasificador (no recomiendo la regresión logística para la clasificación), siendo la aparición de cada cookie un resultado binario. Esto significa que usted tiene un modelo para cada galleta. Sí, esto significa que usted está entrenando 100.000 clasificadores separados, cada uno en quién sabe cuántos puntos de datos. Pero el marco teórico es sencillo y el reto computacional no es insuperable