我有一个包含 76 个国家和 6 列不同定量变量的数据集，这些变量是该变量相对于每个国家的平均值：
如果我要随机抽取 6 个变量的样本——其中一个国家的个人——我将如何最好地预测该个人属于哪个国家？
我有一个完全独立的数据集，有数千个数据点，所以我知道数据属于哪个国家，从而可以确定算法是否准确预测。
到目前为止，我一直在研究决策树和随机森林选项，但我所见过的示例用例都没有很好地转化为我正在尝试做的事情。也许我找错地方了。
它不是预测行为，因为行为是已知的……更多的是预测行为属于哪个国家/地区分类。想法？评论？
确实非常有趣的问题。
我敢给你一个答案，但如果我在查看数据后找到更好的问题推理，我可能会改变它。
您的问题可能是多（多）标签分类问题，您的标签是国家，而您的数据是您所拥有的“耐心”、“冒险”等。
您可以使用随机森林或决策树，但要使用包含所有个人的数据集（不是按国家/地区汇总的）。
为什么在这个数据集上而不是在摘要上？因为汇总是汇总（！），并且只有“冒险”（例如）平均值的数据，没有考虑国家内部冒险的内部方差。
考虑到这一点很重要，因为冒险可能在一个国家内部具有如此大的差异，这使得变量对于选择一个人的国籍毫无意义，而这在汇总数据库中没有看到。
如果必须首先在汇总数据集中运行模型，则解决方案如下：
node_size参数为1的树，因为您的汇总数据集具有“每个标签一个人（国家）”，这是一个极端情况，您需要每个国家/地区的节点叶。查看描述，我将采用“基于距离”的方法。首先，我会为每个国家/地区制作六个变量的原型（汇总表可能是一个示例，但每个国家/地区可能有不止一个原型）。然后，为了将数据分配给给定的国家，我将遵循 k-最近或类似的方法。尽管如此，生产原型并不是必须使用 k-nearest。它只有助于描述每个国家的特征。为了根据原型进行分类，监督自组织图 (SOM) 可能是一种很好的方法，但径向基函数神经网络 (RNN) 也可以工作。概率神经网络 (PNN) 将是一种选择，尽管它们不提供原型。
SVM.SVC() 模型是一个不错的选择，但显然有不止一个选择。https://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html#sklearn.svm.SVC
我将“目标”值设置为数据集中包含的国家，然后使用 label_encoder 作为定量变量进行标记 (1-76)。
定义模型后，我可以通过“clf.predict”6 个变量输入并获得预测结果。显然，这个模型无法在第一时间做出准确的预测，但我们会继续努力。
我有兴趣获得更多关于如何实施这个问题的想法，并比较不同的方法并改进它们。谢谢！
X = df[['patience','risktaking','posrecip','negrecip','altruism','trust']].values
Y = df[['target']].values
label_encoder = LabelEncoder()
Y = label_encoder.fit_transform(Y)
X_train , X_test, y_train, y_test = train_test_split(X,Y)
clf = SVC(C=1.0, kernel='rbf').fit(X_train,y_train)
prediction = int(clf.predict([[2.2529752, 2.466159, 0.95989114, -1.5864599, 0.47468176, 0.9504338]]))