Machine Learning - Vorhersage mehrerer Variablen, die zu 100% ergeben

Question

Ich arbeite an einigen Spielzeugmodellen für die aktuelle US-Präsidentschaftswahl. Es gibt vier Kandidaten und jeder wird einige Prozent der Stimmen gewinnen. Es ist mein Ziel, den Prozentsatz jedes Kandidaten vorherzusagen.

Bis jetzt habe ich versucht, einen Datensatz mit einer gelernten Variablen (% vote rec'd) und mehreren Dutzend abhängigen Variablen zu erstellen. Mit WEKA habe ich mit MLP und mehreren anderen Lernmethoden experimentiert. Mein Problem ist, dass, sobald ich ein Modell für vote% lerne, meine Vorhersagen für jeden Kandidatenanteil der Stimme nie 100% ergeben.

Offensichtlich ist es in diesem Fall eine Notwendigkeit, dass der Gesamt% der erhaltenen Stimmen zu 100% addiert. Komme ich das Problem falsch an? Was kann ich tun, um meine Methode zu verbessern?

Answer 1

Dies passiert, da die Interdependenz der Prozentsätze nicht in Ihren Gleichungen eingebettet scheint. Wenn Sie es von Grund auf neu schreiben würden, würden Sie irgendwo eine Gleichung einfügen, die v0 + v1 + v2 + v3 = 1 erzwingt. Diese werden Constraints genannt und sie werden verwendet, um Ihrer Gleichung etwas zugrunde liegende Physik aufzuzwingen, die sie ansonsten nicht respektieren würden .

Ich widersetze nicht abhiieors Antwort jedoch. Wenn Sie ein Modell haben, das Ihnen logisch erscheint, ist die Skalierung eine gute Option.

v0 = v0 * 100/(v0 + v1 + v2 + v3) usw.