python - sklearn 为游戏获胜者预测准备数据集

Question

我想根据之前比赛的结果预测比赛结果。对于每场比赛，我都有以下数据:team1 球员的 ids、team2 球员的 ids、team1 球员的武器 ids 和 team2 球员的武器 ids。例如:

{
  "team1_ids": [
    12321323,
    1421242,
    54325235
  ],
  "team2_ids": [
    55432453,
    242462,
    2234444
  ],
  "team1_weapon_ids": [
    1,
    3,
    5
  ],
  "team2_weapon_ids": [
    2,
    4,
    6
  ]
}

我在其他比赛中的记录相同。总共我有大约 30 个不同的玩家 ID，并且只有 6 种武器在一场比赛中对每个玩家都是独一无二的。

是否有任何简单的方法可以为进一步的 sklearn 分类准备数据集？我正在研究不同的 sklearn 标签预处理，但没有找到答案。

似乎，某种sklearn OneHotEncoder 是合适的，但它没有考虑到玩家id 在团队中的位置切换对游戏结果无关紧要。对于 y 值，我使用二进制标签:如果 team1 获胜则为 1，如果 team2 获胜则为 -1。

Answer 1

据我所知 - 您只需对每个团队使用的每种武器类型的数量进行编码。

因此我会将比赛记录描述为每队 6 个特征(每种武器的使用量)和 1 个标签列。

例如:

team1_weapon1 |...| team1_weapon6 | team2_weapon1 |...| team2_weapon6 | Result |
    1          ...         1             0         ...       1           -1
    0          ...         0             1         ...       1            1

每个 team[i]_weapon[j] 拥有 j 武器的数量(或二进制标志，如果它在每场比赛中是唯一的)- 类型i-team 和 Result 是游戏结果。