【发布时间】:2019-03-15 01:12:11
【问题描述】:
我正在研究一个篮球模型,该模型根据 NBA 球员在本赛季之前所有比赛中的表现来预测他们在下一场比赛中的表现。每支 NBA 球队大约有 10 名球员,30 支球队中的每支球队本赛季都打了大约 25 场比赛,所以我的数据框此时有大约 10*30*25 = 7,500 个观察值。我每天运行我的模型,预测玩家在第二天的表现——因此,明天我将进行大约 10*30 = 300 次预测。
我的问题是——目前我有大约 50 个列/特征/x 变量用于预测,所有这些都是数字变量(平均得分、平均篮板数等)。但是,我认为这可能有助于我的模型了解每行对应的玩家。也就是说,我想传递第 51 列,一个包含球员姓名的因子变量。我在网上读到 GBM 可以处理因子变量,因为它会在内部“虚拟化”它们,但是我担心“虚拟化”300 个不同的玩家不会表现良好。传递一个包含所有玩家名称的因子变量会适得其反并最终损害我的模型,因为它将在内部创建大量虚拟变量,或者这样可以吗?
my_df
PLAYER FG FGA X3P X3PA FT FTA
1042 Andre Drummond 6 16 0 0 6 10
17747 Marcus Morris 6 19 1 4 5 6
14861 Kentavious Caldwell-Pope 7 14 4 7 3 3
7976 Ersan Ilyasova 6 12 3 6 1 2
22401 Reggie Jackson 4 10 2 4 5 5
24475 Stanley Johnson 3 10 1 3 0 0
24649 Steve Blake 1 6 1 5 0 0
12489 Jodie Meeks 1 4 0 0 0 0
1955 Aron Baynes 3 5 0 0 0 0
21500 Paul Millsap 7 15 2 6 3 4
【问题讨论】:
-
这部分我不清楚:“我认为这可能有助于我的模型知道每行对应于哪个玩家”。否则您的模型将不知道为谁做出预测?您可以发布您的数据的代表性样本吗?一般来说,GBM 可以处理分类变量,但我不确定您是否需要一个。
-
我附上了一个简短的示例,说明我的数据框的外观。我正在考虑将 PLAYER 列作为因素传递给 GBM。
-
我知道我可以测试它并查看性能,但我试图直观地理解 GBM 创建 300 个虚拟变量来表示一列将如何影响模型
标签: machine-learning gbm