我使用RandomForestClassifier进行概率预测任务。我有一个约50个功能和两个可能标签的功能集 - first team wins和second team wins。
该功能集包含两个团队的功能，以及我构建它的方式，因为我知道哪支球队获胜，是否有50％的成绩标记为第一队获胜，50％被标记为第二队获胜 - 具有各自的功能放置在功能集中的正确位置 - 对于训练数据中的每个匹配（最初将获胜团队作为第一个），我交换每个团队的功能并使用计数器模2将标签更改为second team wins
我看到的问题是，如果我将计数器从1或0开始更改，它会对最终预测产生巨大变化，这意味着数据集是不对称的。为了解决这个问题，我尝试按照标准为first team wins的正常顺序添加两次匹配，并将标签反转为second team wins。问题是 - 这如何影响模型的行为？我做了这个改变后看到了一些负面影响，虽然不足以具有统计意义。但它确实增加了构建特征集的运行时间并显然适合模型。
将标签和团队订单随机化是一种更加可靠的方法吗？我有什么选择？
答案 0 :(得分：2)
由于您要将相应的团队功能相互比较，因此可以选择减少：
TeamA: featureA1, featureA2, featureA3 ... featureAN
TeamB: featureB1, featureB2, featureB3 ... featureBN
Output: which team wins
为：
Input: featureA1-featureB1, featureA2-featureB2, featureA3-featureB3, ..., featureAN - featureBN
Output: positive if team A wins, negative if team B wins
并训练你的分类器。这种方法的好处是，您现在可以比较一半的功能，不再需要担心团队的顺序。