如何为二元分类器提供输入对？

Question

我有一些关于视频游戏的数据。

数据：

匹配有一个matchId。每场比赛都包括两支球队，每支球队的球队规模各不相同例如，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中使用二元分类器来根据玩家的特征预测胜利值（0/1）。

问题：

1. 我正在寻找一种方法来呈现分类器检测哪两支球队相互比赛的特征，因为比赛结果取决于对手球队。
2. 之后，我想看看哪些球员对比赛结果有更大影响，哪些技能在胜利方面更有效。我可以在Gradient Boosting Classifier?
中使用重要性率

Answer 1

一种方法是使用所有player_ids multiplied with 2（2个团队）的稀疏矢量，其中所选择的那些用非零值表示，如<1。

如果有N players 0, ..., N-1和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...

这应该是一个非常强大的表示（就所代表的信息而言）两个明显的缺点 ：

• 矢量大小会变大（玩家大小呈线性）
  • 如果分类器能够处理稀疏数据结构（scipy.sparse）并不重要，因为大多数都是零
• 存在对称性问题，因为每个配对A与B也可以编码为B对A
  • 以加倍输入样本大小为代价，我强烈建议添加对称配对作为额外样本（样本大小加倍）
    • 记得也要翻转输出（意思是：将y编码为第一队视角的赢/输）！
  • 可能会强制执行一个词典排序，它总是在两个配对之间输出一个明确定义的顺序（如果玩家不能自己玩）可以作为替代（我会先尝试上面这个）

修改

还有一个选择：

• 为每个可能的团队引入一个变量（例如f_0 = team of 0, 2, 4）并使用此表示形式，该表示形式具有不同的矢量大小，具体取决于统计数据
• 这种丢失了一些信息，需要更多的数据