假设我有m对象，我想选择哪个n（其中m和n都是已知的）。我可以运行多标签分类，并获得m被选择的概率，并且取最可能的n，但这忽略了项目之间的相关性。我想知道是否有一种建模方法（理想情况下是在Keras中）考虑了相关性。
例如，假设一个足球队有18名球员，我试图预测哪11名球员将在下一场比赛中首发。最有可能首发的11名球员并不一定是最有可能首发的11名球员。例如，也许球队有两名守门员，他们每个人都有50%的首发机会，但没有一种配置会同时首发他们两人。
一种选择是直接预测11个的集合，但这将是多类分类问题（18选择11）的情况下...有更好的路线的想法吗？
1条答案
按热度按时间lmvvr0a81#
这看起来有点像语言模型，你想预测最可能的句子，如果你有所有单词的输出概率，你就不会只选择n个最可能的句子，因为这个句子可能没有意义，而是以你已经选择的单词为条件。
所以在你的例子中，输入将包括已经选择的球员。每次通过模型，你将把输出最高的球员添加到球队中。为了提高质量，你可能还想使用波束搜索，在那里你保留每次通过的最好的k支球队。