python - 按组监督学习随机森林

Question

所以我有一个像这样的训练数据集(但更大):

       Group   PID  Var1  Var2  Best
    0    111     1     1     1     1
    1    111     2     2     1     2
    2    111     3     1     2     2
    3    112     1     1     2     2
    4    112     2     2     1     1
    5    113     1     1     2     2
    6    113     2     1     1     2
    7    113     3     2     1     1
    8    113     4     3     2     2

其中每个组(共享组号的行)包含一个人员列表(每个组内每个唯一的 PID)，并且组内一个人的 Best = 1，其余的 Best = 2。我的目标是使用此训练数据根据 Var1 和 Var2 预测每组中哪一个人是最好的(Best = 1)。

我尝试过使用 Scikit learn 并尝试使用随机森林模型来预测测试数据的 Best，但它不考虑组，并且可以为每组多个 PID 分配 Best = 1。

我想知道如何训练/运行模型，以便它学会为每组分配一个 Best = 1，而不是在所有行和组中分配它。为我指明有用资源的方向就好，因为我不确定在哪里寻求帮助。

Answer 1

当某个特征不是有序的度量(例如离散分类)时，我们使用 one-hot 编码。这意味着对于原始特征的N个类别(不同的值)，我们创建一个N个特征族，其中一个将是“好”(通常为1)，而其他为“坏”(通常为0)。您可以将其理解为一组 bool 函数:isGroup111()、isGroup112()、...

   Group111 Group112 Group113   PID  Var1  Var2  Best
0     1        0        0        1     1     1     1
1     1        0        0        2     2     1     2
2     1        0        0        3     1     2     2
3     0        1        0        1     1     2     2
4     0        1        0        2     2     1     1
5     0        0        1        1     1     2     2
6     0        0        1        2     1     1     2
7     0        0        1        3     2     1     1
8     0        0        1        4     3     2     2