Supponiamo che stia costruendo un modello predittivo in cui sto cercando di prevedere eventi multipli (ad esempio, sia il lancio di un dado che il lancio di una moneta). La maggior parte degli algoritmi che conosco funzionano con un solo obiettivo, quindi mi chiedo se esiste un approccio standard a questo tipo di cose.
Vedo due possibili opzioni. Forse l'approccio più ingenuo sarebbe semplicemente trattarli come due problemi diversi e quindi combinare i risultati. Tuttavia, ciò ha gravi inconvenienti quando i due obiettivi non sono indipendenti (e in molti casi potrebbero essere molto dipendenti).
Un approccio più ragionevole per me sarebbe quello di creare un attributo target combinato. Quindi, nel caso di un dado e una moneta, avremmo stati ( ( 1 , H ) , ( 1 , T ) , ( 2 , H ) , ecc.). Tuttavia, questo può portare al numero di stati / classi nel bersaglio composito che diventa piuttosto grande piuttosto rapidamente (e se avessimo 2 dadi, ecc.). Inoltre, questo sembra strano nel caso in cui un attributo sia categorico mentre l'altro sia numerico (ad esempio se si prevede la temperatura e il tipo di precipitazione).
Esiste un approccio standard a questo genere di cose? In alternativa, ci sono algoritmi di apprendimento progettati specificamente per gestirlo?