用一个联合模型预测三个相关分数
用一个联合模型预测三个相关分数
提问于 2017-10-31 18:37:20
我有多种特征，我想预测三个结果的分数。
特性：
- 最小的长度是40厘米，最大的是209厘米
- 公斤: 39至302
- 年龄: 19至111岁
- 性别:男性、女性、变性人
- 诊断:不同疾病的数量
- 药品:不同药品的数量
- 尿水平:0至5
分数：
- 快乐量表1至7
- 抑郁量表1至7
- 健康等级表1至7
我知道，我可以使用监督学习，并建立模型，我预测的分数单独。我已经训练过三个不同的模特了。
你有什么反馈吗？
幸福、抑郁和健康是相关的。有算法可以处理这个问题吗？根据历史数据(特征和预测)和经过训练的模型，我想根据新病人的特征和历史分数来预测他们的评分。
回答 2
Data Science用户
发布于 2017-10-31 22:28:03
你有一套标有标签的吗？任何算法都可以以有监督的方式完成，只要你有足够的标记数据来训练它。
基于树的模型(例如随机森林分类器)可以很好地完成这项任务，特别是因为您有分类数据。您所需要做的就是将数据编码为数字(例如0:男性，1:女性，2:变性人)，并将其输入到模型中(应用随机分裂和交叉验证等等)。
如果没有，那么不收集新数据的最好方法是在您的数据集中找到相关患者的集群。同样适用于编码变量的规则，尽管您可能需要注意如何缩放变量，因为集群算法对特性的相对缩放非常敏感。这是因为大多数聚类算法使用距离度量对数据进行聚类，而距离度量在处理类别时失去了意义。有关集群分类数据的更多信息，请参见这：
Data Science用户
发布于 2017-11-16 08:49:24
您可以尝试级联模型，例如，从拟合三个单独的模型开始
S1=F(x1，.，x7) S2=F(x1，.，x7) S3=F(x1，.，x7)
接下来，您使用这些单个模型的结果来拟合第二级模型。
M1=F(x1，.，x7，S1，S2)
或
M2=F(x1，.，x7，S1，S3) .
模型拟合的结构和顺序取决于您的数据。
您可以测试某些组合的性能，也可以根据专家判断来设置结构。
当然，不能保证这些堆叠模型的性能会比单个模型的性能更好。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/24232
复制相关文章
相似问题
腾讯云开发者
