多行观察的分类：长格式到宽格式总是有效？

Question

我有一个观察表，或者更确切地说是“分组”观察表，其中每个组代表一笔交易，每行代表一个产品。但预测是在交易层面进行的。以下是示例数据集。

样本数据集：

df = pd.DataFrame({'deal': ['deal1', 'deal1', 'deal2', 'deal2', 'deal3', 'deal3'],
                   'product': ['prd_1', 'prd_2', 'prd_1', 'prd_2', 'prd_1', 'prd_2'],
                   'Quantity': [2, 1, 5, 3, 6, 7],
                   'Total Price': [10, 7, 25, 24, 30, 56],
                   'Result': ['Won', 'Won', 'Lost','Lost', 'Won', 'Won']})

我的方法： 使用

pivot_table

展平数据以获得每行一个观察值，这样我们每个交易就获得一行，然后继续进行分类建模，可能是逻辑回归或梯度提升。

但是在上面的例子中我们有： 要旋转的 1 列（产品，具有 2 个唯一值） 2 个衡量标准（数量和价格）作为系列/值。

结果有 4 列。宽格式表如下所示：

问题/问题/想法：

在这种情况下，这总是最好的方法吗？我看到的问题（或者也许不是？）是当要旋转的列数超过 1 时，并且如果其中唯一值的组合更多，则表可能会变得非常非常宽！

如果有的话，我将很高兴听到准备训练数据集的其他有效方法！

Answer 1

这似乎是一种非常有效的方法，因为您说预测是在“交易”级别上完成的，而不是在单个“交易+产品”级别上完成的。

如果表变宽，如果这实际上是您在推理时需要进行预测的方式，那么这应该不是问题。

如果您可以根据所使用的功能对交易进行分组（例如，交易中包含哪些产品组合），您也许可以创建多个较小的模型，而不是单个大模型。