Szukam zasobów (książek, notatek z wykładów itp.) Na temat technik, które mogą obsługiwać dane, które mają wiele celów (np .: trzy zmienne zależne: 2 dyskretne i 1 ciągłe).
Czy ktoś ma jakieś zasoby / wiedzę na ten temat? Wiem, że można do tego wykorzystać sieci neuronowe.
źródło
Ten artykuł dobrze opisuje obecne metody, dostępne zestawy narzędzi, a także zestawy danych do przetestowania.
Zdarzyło mi się pracować nad problemem komercyjnym wymagającym regresji wielu celów i odkryłem, że zestaw narzędzi Clus ma dobre połączenie wysokiej wydajności i solidności
Niektóre z nowszych metod (po 2012 r.) Zostały zaimplementowane jako rozszerzenie zestawu narzędzi Mulan, oto link Github . Chociaż metody te, takie jak Losowe Kombinacje Celów Liniowych, wykazują lepszą wydajność niż modele złożone, stwierdziłem, że zestaw narzędzi nie jest tak dojrzały jak zestaw Clus i dlatego ich nie użyłem.
źródło
Bayesowski podchodzi do tego rodzaju problemu: nieparametryczne modele bayesowskie dla danych indeksowanych przestrzennie typu mieszanego . Element wielokrotnej odpowiedzi jest obsługiwany przez różne normalnie rozmieszczone losowe wektory i ich funkcje łączenia. Tak więc pełną odpowiedzią jest stos wektora normalnych, wektora zliczeń i wektora bernoullis.
źródło