scikit-leanの行を跨ぐ学習はできるのか

Question

機械学習のプロジェクトに参加することになり質問です。

scikit-learnを使います。
アイリスの種類をrandomforestで判別する部分まで理解ができました。
このようなデータは分かりやすく、１行１行が独立しています。
iris.csv

hanabira,kuki,shurui
5,5,A
6,5,B
7,3,B
4,4,A
3,3,? // ? => A

しかし行同士が関係している場合はどうアプローチしたらいいか分かりません。
2020年10月は3名の参加、2020年11月は2名の参加となってますが、scikit-learnは何名の参加者がいるか多分わからないでしょう。
そんな中2022年の結果が1位か２位かわからず３とか５とか作るんではないでしょうか。
この部分をどうしたらいいかコードを教えてもらえないでしょうか。

kaisai.month,rank,name
202010,1,A
202010,3,C
202010,2,B
202011,2,B
202011,1,A
202012,1,B
202201,?,A　// ? => 
202201,?,B　// ? => 

Comments

[jbpb0]

過去の実績から予測したら
1位：Cさん
2位：Bさん
となるけど、「何らかの事情」でその時はCさんは参加できず、Bさんが繰り上がって1位になる

的なことを予測したい、ということでしょうか？

[supermaruetsu]

年月の数=参加者の数なので、その中でのランクを予想したいというイメージです。

よろしくお願いします！！！

[jbpb0]

「sugaku_orinpic.csv」が数学の問題を解いた順位で、参加者がA, B, Cさん三名以外はいないなら、下記のようにするとか
・機械学習では、実際に参加するかどうかは無視して、A, B, Cさん三名の問題を解いた得点を予測する
・上記得点予測結果と、実際には誰が参加したかのデータを照合して、参加した人だけで1位から順番に順位を決める

[jbpb0]

機械学習 順位 予測

でググったら、競馬の順位を機械学習で予測するのがたくさん見つかるので、そういうのを参考にしたらいいかも

直接順位を予測するのではなく、レースに参加する馬毎に「1位になりやすさ」みたいな数値を予測して、それの順番に並べるみたい
たとえば、タイムを予測して、タイムが短い順に並べるとか

[supermaruetsu]

参加する相手が分からないので順位を予想すること自体ができないと思いましたが機械学習ならできるのでしょうか？Aさんが出るとBさんは負けやすい、というのが集計されないとおもいましたが機械学習なら分かるんですか？
理解するのが難しいですね。コメントで色々と勉強になります。
ありがとうございます。

[jbpb0]

「sugaku_orinpic.csv」が数学の問題を解いた順位なら、順位を予測するのではなくて、問題を解いた得点を予測したらいいのではないですかね

> Aさんが出るとBさんは負けやすい

Bさんの予測得点よりもAさんの予測得点の方が高いなら、Aさんの方が上の順位になると予測できます

[supermaruetsu]

ほお！確かに！です。考え方を工夫してうまくツールに合わせることが解決法だったのか。
大変勉強になります。

[supermaruetsu]

ここで納得のいく方法たのですがBA差し上げたいです。どうしたらいいのだろう

[jbpb0]

同内容を回答に書いてます

Answer 1

「sugaku_orinpic.csv」が数学の問題を解いた順位なら、順位を予測するのではなくて、問題を解いた得点を予測したらいいのではないですかね

参加者がA, B, Cさん三名以外はいないなら、下記のようにするとか
・機械学習では、実際に参加するかどうかは無視して、A, B, Cさん三名の得点を予測する
・上記得点予測結果と、実際には誰が参加したかのデータを照合して、参加した人だけで1位から順番に順位を決める

Answer 2

要は他の説明変数からランクを予測したという質問で良いでしょうか？
あまり意味があるとは思えませんが、一応カテゴリ変数をOnehotベクターにして説明変数として予測するという
やり方もありますが、いい予測はできないように思えます

Comments

[supermaruetsu]

回答ありがとうございます。
ランクを予想する場合はランダムフォレストではあまり良くないのでしょうか。
おすすめがあれば教えていただければ非常にうれしいです。

[East_san]

ランダムフォレストが良いか悪いかはおいておいて。

機械学習をやる前にまずは記述統計(データ平均やどのカテゴリに属するものがどれくらいあるかなど基本的なデータ解析)やデータの分布を確認しデータの特性をある程度確認したほうが良いでしょう。
その上で、まずは線形回帰や決定木などの説明性の高いモデルを使い、そこから徐々に精度を上げていくためにブラックボックスモデルを使い精度を上げていくというのが一般的な流れではないでしょうか。

もしくは手頃に良い機械学習アルゴリズムを比較するのであれば、pycaretなどのAutoMLを使うとデータを投入するだけで各機械学習アルゴリズムのモデルの比較ができます。そこで一番良いモデルを選ぶと良いでしょう。
手頃に良い機械学習モデルを見つけるのが目的であればこちらがおすすめです。
https://pycaret.org/