二進制分類器如何呈現輸入對？

Question

我有一些有關視頻游戲的數據。

數據：

匹配具有matchId。 每場比賽包括兩支隊伍，每支隊伍的大小各不相同。 例如3v3、4v4、5v5，...數據簡化如下：

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

任務：

我喜歡在Scikit中使用二進制分類器來根據玩家的特征預測勝利值（0/1）。

問題：

1. 我正在尋找一種呈現特征的方法，即分類器可以檢測哪些兩支球隊互相對戰，因為比賽的結果取決於對手的球隊。
2. 后來，我想看看哪些球員對比賽結果的影響更大，哪些技能對勝利更有效。 我可以在梯度提升分類器中使用重要性率嗎？

Answer 1

一種方法是將所有player_ids multiplied with 2的稀疏向量 player_ids multiplied with 2 （2個團隊），其中所選擇的一個以非零值表示，例如1。

如果有N players 0, ..., N-1 ，並且team A consists of 1, 3, 5 ， team B consists of 0, 2, 4 ，則輸入如下所示：

x_sample_0 = [0, 1, 0, 1, 0, 1, 0, ...N-1, 1, 0, 1, 0, 1, ...]
              ...team A...                 ... team B...

這應該是任務的非常有力的表示 （就表示的信息而言），有兩個明顯的缺點 ：

• 向量大小會變大（玩家大小成線性）
  • 分類器是否能夠使用稀疏數據結構（scipy.sparse）無關緊要，因為大多數情況下為零
• 存在對稱性問題，因為每個配對A對B也可以被編碼為B對A
  • 以加倍輸入樣本大小為代價，我強烈建議添加對稱配對作為額外樣本（樣本大小增加一倍）
    • 記住也要翻轉輸出（意思是：從一線隊的角度將y編碼為贏/輸）！
  • 也許可以強制執行字典順序，該順序將始終在兩個配對之間輸出明確定義的順序（如果玩家自己不能玩），可以用作替代方法（我會首先嘗試上面的方法）

編輯：

另一種選擇：

• 為每個可能的團隊引入一個變量（例如f_0 = team of 0, 2, 4 ），並使用此表示形式，該表示形式根據統計數據具有不同的向量大小
• 這種丟失了一些信息，將需要更多數據