使用一个简单的规则来改进基于规则的分类模型时，我会遇到一个问题，即标签只是特定要素的值（复制值规则）。 实际上，该规则在65-70％的时间内给出了正确的结果。 与我的示例相比，标签数量很多（1200个示例中有390个标签）。 我添加了其他功能来改进分类模型，但是我不知道如何使模型学习上述简单规则。我的准确度充其量只有40-50％。 如果一个模型可以学习该简单规则，那么无论从其他信号中得到什么，我都会增加基准性能。 我使用分类方法，我认为它没有能力学习价值复制规则，这对我来说更多是回归问题。 即使仅进行回归分析，也只有很少的示例与标签数量相比，很难教授该规则。 知道如何解决这个问题吗？
我尝试了模型和超参数调整的结合，但是没有运气。机器学习分类器或它们的组合在测试集上的准确性均不能超过45-50％。