赛马 scikit learn 的预测 - 每场比赛多行

Question

目标

我想用 Scikit-learn 训练一个模型来预测赛马的结果。我有一个 CSV 文件，其中包含多个特征，例如位置、年龄、体重、马名、种族 ID 等。

问题

在我的原始 CSV 文件中，每匹马都以一行表示。从 1 到 8 的位置，每场比赛由 8 行组成。然而，当我训练我的模型时，模型将每一行视为一个单独的事件（比赛），因此表现不佳。

方法

我试图解决这个问题并创建了一个新的 CSV 文件，其中每一行代表一个种族，特征从 position1、age1、weight1、horse_name1、race_id1 到 position8、age8、weight8、horse_name8、race_id8 (见下文）。但是，在这种情况下使用 Multioutput，我的模型根本没有进行训练，但注意到 age1、weight1 是获胜者的列，并且确实获得了 100% 的准确率。

想法

不知道有没有办法解决这个问题。也许可以使用原始文件，但以某种方式告诉模型必须将具有相同race_id 的行视为一个事件。我可以考虑使用 groupby(race_id) 但我无法将新组输入模型。您也可以为每场比赛使用一个袋子，例如在对文本数据进行预测时。

我实际上被困在这里，所以任何建议都非常感谢:)

ORIGINAL DF 

position horse age weight race_id 

1        name1 3y  900    1 
2        name2 4y  800    1
3        name3 5y  760    1
...      ...   ... ...    ...
8        name8 7y  980    1
1        name9 4y  880    2
...      ...   ... ...    ...
8       name16 5y  770    2

NEW DF 

position1 horse1 weight1 race_id1 ... position8 horse8 weight8 race_id8 

1         name1  900     1            8         name8  980     1 
1         name9  880     2            8         name16 770     2   

Answer 1

如果我正确理解您的问题，您希望将旧数据框转换为新数据框并将其提供给您的模型。 您可以使用此代码：

import pandas as pd
import numpy as np

pd.set_option('display.max_columns', None)
pd.set_option('display.max_rows', None)
df = pd.DataFrame({'position': [1, 2, 3, 4],
                   'horse': ['name1', 'name2', 'name3', 'name8'],
                   'age': ['4y', '4y', '5y', '7y'],
                   'weight': [800, 978, 76, 565],
                   'race_id': [1, 1, 2, 2]})

groupby_race = df.groupby(['race_id'])
arr = []
for name, group in groupby_race:
    r = np.concatenate([row.values for index, row in group.iterrows()])
    arr.append(r)
new_df = pd.DataFrame(data=arr, columns = ['position1', 'horse1', 'age1', 'weight1', 'race_id1',
                                           'position2', 'horse2', 'age2', 'weight2', 'race_id2'])