如何呈现二进制分类器的输入对？答案

【问题标题】：How present pairs of inputs for binary classifier?如何呈现二进制分类器的输入对？
【发布时间】：2017-02-06 12:05:18
【问题描述】：

我有一些关于视频游戏的数据。

数据：

一场比赛有一个matchId。每场比赛包括两支球队，每支球队的规模各不相同。比如 3v3, 4v4, 5v5, ... 数据简化如下：

matchId playerId teamId victory
100     200        14     1
100     201        14     1
100     212        14     1
100     220        14     1
100     202        15     0
100     206        15     0
100     214        15     0
100     217        15     0

任务：

我喜欢在 Scikit 中使用二进制分类器来根据玩家的特征预测胜利值 (0/1)。

问题：

我正在寻找一种方法来呈现分类器检测哪两支球队相互交手的特征，因为比赛的结果取决于对手球队。
稍后，我想看看哪些球员对比赛结果的影响更大，哪些技能对胜利更有效。我可以在Gradient Boosting Classifier? 中使用重要性率吗？

【问题讨论】：

标签： python scikit-learn classification

【解决方案1】：

一种方法是使用所有player_ids multiplied with 2（2 个团队）的 sparse-vector，其中选择的对象用 1 等非零值表示。

如果有N players 0, ..., N-1、team A consists of 1, 3, 5、team B consists of 0, 2, 4，则输入如下所示：

x_sample_0 = [0, 1, 0, 1, 0, 1, 0, ...N-1, 1, 0, 1, 0, 1, ...]
              ...team A...                 ... team B...

这应该是任务的一个非常强大的表示（就所表示的信息而言），有两个明显的缺点：

矢量大小会变大（与播放器的大小成线性关系）
- 如果分类器能够处理稀疏数据结构 (scipy.sparse)，这并不重要，因为大多数情况下都是零
存在对称性问题，因为每个配对 A vs. B 也可以编码为 B vs. A
- 以输入样本量加倍为代价，我强烈建议添加对称配对作为额外样本（样本量加倍）
  - 记住也要翻转输出（意思是：从一线队的角度将 y 编码为赢/输）！
- 可能会强制执行字典排序，这将始终在两个配对之间输出明确定义的顺序（如果玩家不能自己玩）可以用作替代方案（我会先尝试上述方法）

编辑：

另一种选择：

为每个可能的团队引入一个变量（例如f_0 = team of 0, 2, 4），并根据统计数据使用具有不同向量大小的表示
这种类型会丢失一些信息，需要更多数据

【讨论】：