machine-learning - 如何在机器学习中处理特定记录中的特征的多个值？

Question

我有一个用例，我正在尝试使用机器学习来解决它。假设我有一个 (X1, X2, X3, X4, X5, X6) 形式的输入数据和输出值 Y。考虑以下场景，其中对于同一固定组 (X1,X2,X3) 有多个值 (X5 和 X6 并且每组都是相关的) ,X4) 并且每组(X5 和 X6)的 Y 值都在变化，您如何制定数据正在训练机器学习模型？

我只能想到以下方法来解决这个问题:

我。为每组(X5 和 X6)值设置每一行，并引入一个排名分类列来表示这些输入数据是相关的，即:

X1 X2 X3 X4  X5  X6  Rank Y
1.5 2 3.4 5.4  6.7  7.8   1    2.3
1.5 2 3.4 5.4  4.32 6.3  1    7.4
1.5 2 3.4 5.4  2.1  2.3  1    3.24
2.1 1 12  34  2  3.23   2    1.24
1.5 2 3.4 5.4 6.7   7.8   3    24.4

等等......

ii.将 X5 和 X6 特征分解为每个值的多个列，但这里的问题是我们必须限制列数，并且缺少黑白相关性 X5和 X6。

下面的链接是现有实时用例的代码文件和输入文件，其中包含实际功能名称和输出变量。

https://drive.google.com/open?id=178XEzd_5iPXGMBJUrqI5kvlwnDspwMhP https://drive.google.com/file/d/18SA42kDlQto-PnR5fUpAcvXKlimGidOj/view

Answer 1

我看不到你的代码。但是，我得到了你的数据。

我认为 PRIORITY 和 SCHEDQT 是 y 数据。

而且，我使用 LEADTIME、BOMINV、BOMINFSW、SKUINV、SKUINFSW > 和 COQTY 作为 x 数据。您必须知道数据只是在 0~1 之间标准化。

比以前好多了。但是，预测得不太好。请引用以下结果:

[`LEADTIME`, `BOMINV`, `BOMINFSW`, `SKUINV`, `SKUINFSW`, `COQTY`] [Pre. PRIORITY] [Real PRIORITY]
[0.03333333 0.33333333 0.         0.         0.         0.05666667] [8.221004] [18.]
[0.03333333 0.33333333 0.         0.         0.         0.26666667] [8.221004] [19.]
[0.03333333 0.33333333 0.         0.         0.         0.16666667] [8.221004] [20.]
[1.         0.         1.         0.         0.         0.16666667] [8.221004] [1.]
[1.         0.         1.         0.         0.         0.26666667] [8.221004] [2.]

我认为每个字段值无法对 PRIORITY 结果产生足够的差异。

从上面的示例中，LEADTIME、BOMINV、BOMINFSW、SKUINV 和 SKUINFSW 相同。

然后，如果LEADTIME或BOMINV或SKUINV为0，我尝试删除一些记录。

[0.2        0.33333333 0.         0.66666667 0.         0.33333333] [20.035915] [36.]
[0.2        0.33333333 0.         0.66666667 0.         0.46666667] [20.035915] [38.]
[0.2        0.33333333 0.         0.66666667 0.         0.6       ] [20.0352] [40.]
[0.2        0.33333333 0.         0.33333333 0.         0.16666667] [11.69006] [1.]
[0.2        0.33333333 0.         0.33333333 0.         0.26666667] [11.5476885] [2.]

但是，您可以看到结果也与真实结果非常相似，因为 x 数据没有显示出足够的差异。

现在，我只能说你需要更多的数据特征才能获得足够的学习。