面板数据分类任务的混合效应模型

Question

我有一个问题，需要对二进制目标y进行预测，因为X提供了一组特性，X自然是以重复测量的形式嵌套的。数据是用来描述游戏中人的行为的，在这个游戏中，每一行数据X_t都有时间戳，并表示时间t的行为。我的数据的一个玩具示例可以如下所示：

ID      session      X1      X2      y
1          1         0.5     a       0
1          2         0.12    b       0
1          3         1.1     d       1
2          1         5.2     c       1
2          2         4.1     a       0

我把这看作是一个典型的分类问题，每个样本X_t都是一个iid，XGBoost分类器得到了足够好的结果。然而，许多在线文章指出，这种形式的面板数据(在这里，我们发现每个主题重复测量)更好地处理与混合效应模型。这优秀的博客文章通过混合效应随机森林(MERFs)来解决回归问题，但是说分类模型还没有实现(在2017中就是这样)。

到目前为止，我还不知道MERF对于分类问题的实现。所以我的问题是，是否有人完成了类似的分类任务，并使用混合效应模型来解决它？如果是，是否存在这样一个模型的代码实现？(最好是python，但我也可以使用R来测试它)。

Answer 1

我实际上是在寻找类似的东西，然而，在我的例子中，我正在寻找处理多类标记数据的东西。

在我的搜索中，我偶然发现了GPBoost，它可能正好满足您的需求。

https://github.com/fabsig/GPBoost

GPBoost和R都应该是可用的，如果我是对的，还包括二进制分类。