分类模型要对大量的分类器进行分类？

Question

你好，我是机器学习/深入学习领域的新手，我发现很难为我的研究选择合适的模型。

我想要建立的是一个模型，在给定的起始站和目的地站的情况下，根据出行时间和换乘时间对用户使用的地铁路线进行分类。

这是对我的数据集的描述。

   BSEC BSTN ASTN1 BSTN2 ASTN2 BSTN3 ASTN3 BSTN4 ASTN4 BSTN5 ASTN TFtime Ttime
 69551 1001  1703  1703     0     0     0     0     0     0 1003    399  2933
 69664 1001  1703  1703     0     0     0     0     0     0 1006    399  2284
 66606 1001  1703  1703     0     0     0     0     0     0 1701    118  1750
 66600 1001  1703  1703     0     0     0     0     0     0 1701    118  1750
 66601 1001  1703  1703     0     0     0     0     0     0 1701    118  1750
 69434 1001     0     0     0     0     0     0     0     0 1703      0  1005

ASTN1，BSTN2，ASTN2...BSTN5是指通过站点BSTN2表示的登机和到达站。

我有另一组标记为路由信息的数据集。

问题从这里开始。

我试图建立一个模型，可以分类一个用户使用的路由，给定的BSTN，ASTN，和时间信息黑海，TFtime，时间。有太多的路线标签，因为所有的路线都不同的每一对原产地站和目的地站。

以下是每个起始站和目的地站的路线数目。

   BSTN  ASTN trips    
  <dbl> <dbl> <int>
1   150   152     3     
2   150   153     7     
3   150   154     2     
4   150   156     2     
5   150   157     2     
6   150   158     4     

正如所描述的，只有5个原产地目的地对已经有20个不同的路径。共有109,425对原产地和目的地，236,213条路线。我不能给标签的每236,213条路线为模型分类。

我试着为每一对原产地目标对建立随机森林模型。但我无法调整或解释他们，因为有太多的类型的模型。

什么样的模式适合我的情况？是否有一种方法可以解释给定的OD对，然后在Origin组合中执行分类？

我真的很想得到一些建议或帮助。

Answer 1

这看起来是一个非常困难的问题，因为有许多可能的类和很少的特性信息来区分它们。要记录在案，根据路线估计旅行时间的反向问题可能更可行。

所以你不能期望在这样的问题上有很好的表现，我们的目标是设计这个问题，使问题尽可能简单，分类器可以完成足够好的工作。以下是一些建议：

1. 从培训特定于一对BSTN，ASTN的模型开始。
2. 丢弃最不可能的路由，即很少用于对BSTN、ASTN的路由(例如频率低于10的路由)。
3. 检查数据，看看这些特性是否允许区分(main)类。例如，您可以为不同的路由绘制黑海、TFtime、时间的分布:如果分布比较接近，分类器成功的可能性就很小。您还可以训练决策树并手动检查它，以查看发生了什么。