여러 대상 또는 클래스를 예측 하시겠습니까?

여러 이벤트를 예측하려고하는 예측 모델을 구축한다고 가정합니다 (예 : 주사위 굴림과 동전 던지기). 내가 익숙한 대부분의 알고리즘은 하나의 대상에서만 작동하므로 이런 종류의 표준 접근 방식이 있는지 궁금합니다.

가능한 두 가지 옵션이 있습니다. 아마도 가장 순진한 접근 방식은 단순히 두 가지 다른 문제로 처리 한 다음 결과를 결합하는 것입니다. 그러나 두 대상이 독립적이지 않은 경우 (그리고 많은 경우에 매우 의존적 임) 심각한 결점이 있습니다 .

나에게 더 현명한 접근 방식은 결합 된 대상 속성을 만드는 것입니다. 따라서 주사위와 동전의 경우 상태 ( 등)가됩니다. 그러나 이로 인해 합성 대상의 상태 / 클래스 수가 다소 빠르게 커질 수 있습니다 (2 개의 주사위 등이있는 경우). 또한 하나의 속성이 범주이고 다른 하나는 숫자 인 경우 (예 : 온도 및 강수량 유형을 예측하는 경우) 이상하게 보입니다.$6\cdot 2=12$$(1, H), (1, T), (2, H)$

이런 종류의 것에 대한 표준 접근법이 있습니까? 또는 이것을 처리하기 위해 특별히 설계된 학습 알고리즘이 있습니까?

이것은 머신 러닝 커뮤니티에서 "멀티 라벨 학습"으로 알려져 있습니다. 질문에 설명하는 방법을 포함하여 문제에 대한 다양한 접근 방식이 있습니다. 시작할 수있는 몇 가지 리소스 :

• 다중 레이블 데이터에서 학습
• 뮬란 : 다중 레이블 학습을위한 Java 라이브러리
• 다중 레이블 데이터를 통한 학습에 대한 Machine Learning Journal 특별 문제 (아직 출판 될 예정 임)
• 스트리밍 다중 레이블 분류 (비디오)
• 다중 레이블 분류를위한 인스턴스 기반 학습 및 로지스틱 회귀 결합 (비디오)

예측 변수가 동일한 두 개의 변수가 있고 변수 B에 예측 변수 인 변수 A도있는 경우 A와 B의 추정값을 동시에 최적화하려는 최적화 문제가있을 수 있습니다. 두 번째에 대한 나쁜 추정치를 얻는다면 하나를 최적화하는 것은 의미가 없습니다.

이것은 운영 연구 문제이며 불행히도 내 전문 영역을 벗어났습니다.