我正在设计一种可以检测国际象棋游戏中作弊的算法。

我有一个被版主标记为作弊的玩家数据库，以及一些游戏级别的特征，例如黑白棋的移动时间和移动精度（由国际象棋引擎确定）。

让我们指定一个简单的回归：

cheatflag ~ whiteMoveTime + blackMoveTime + whiteMoveAccuracy + blackMoveAccuracy

假设cheatflag 是一个因子级变量，如果没有作弊者，则为0，如果白色是作弊者，则为1，如果黑色是作弊者，则为2。

问题是 whiteMoveTime 和 whiteMoveAccuracy 等变量的预测值关键取决于谁在作弊。如果白人作弊，则这些变量的系数应该与黑人作弊时的系数不同。据我所知，运行大多数黑盒算法将得出所有作弊情况的平均系数，而无需了解变量的层次性质。

这个问题带有某种条件假设的贝叶斯风格——如果黑棋作弊，那么这些变量很重要；如果白人作弊，这些变量很重要，依此类推。

我该如何处理这个问题？