我想根据之前比赛的结果预测比赛结果。对于每场比赛,我都有以下数据:team1 球员的 ids、team2 球员的 ids、team1 球员的武器 ids 和 team2 球员的武器 ids。例如:
{
"team1_ids": [
12321323,
1421242,
54325235
],
"team2_ids": [
55432453,
242462,
2234444
],
"team1_weapon_ids": [
1,
3,
5
],
"team2_weapon_ids": [
2,
4,
6
]
}
我在其他比赛中的记录相同。总共我有大约 30 个不同的玩家 ID,并且只有 6 种武器在一场比赛中对每个玩家都是独一无二的。
是否有任何简单的方法可以为进一步的 sklearn 分类准备数据集?我正在研究不同的 sklearn 标签预处理,但没有找到答案。
似乎,某种sklearn OneHotEncoder 是合适的,但它没有考虑到玩家id 在团队中的位置切换对游戏结果无关紧要。对于 y 值,我使用二进制标签:如果 team1 获胜则为 1,如果 team2 获胜则为 -1。
请您参考如下方法:
据我所知 - 您只需对每个团队使用的每种武器类型的数量进行编码。
因此我会将比赛记录描述为每队 6 个特征(每种武器的使用量)和 1 个标签列。
例如:
team1_weapon1 |...| team1_weapon6 | team2_weapon1 |...| team2_weapon6 | Result |
1 ... 1 0 ... 1 -1
0 ... 0 1 ... 1 1
每个 team[i]_weapon[j] 拥有 j 武器的数量(或二进制标志,如果它在每场比赛中是唯一的)- 类型i-team 和 Result 是游戏结果。
