假设我有一个数据集 $X$ 和两个不同的二进制标签 $y_{1}$和$y_{2}$. 类非常不平衡 - 3％的真实$y_{1}$ 和 2% $y_{2}$. 此外，不存在 (0,1) 对，因此，如果 $y_{1} = 0$， 然后 $y_{2}=0$.

我必须选择：

• 将标签相互关联，所以这是一个三类分类问题
• 建立一个模型 $y_{1}$ 得分，然后加入 $X$并评分 $y_{2}$， 使用$X$和 $y_{1}$.

所以第一个想法被形式化为：

$$y_{f} = y_{1} \bullet y_{2}; \,\,\,\, y_{f} = \{(1,1),(0,0),(1,0) \}; \,\,\, y_{f} = \Phi_{f}(X)$$

第二条路我可以这样形式化：

$$y_{1} = \Phi_{1}(X); \,\,\, \, \, X=X\cup y_{1}; \,\,\,\, y_{2}=\Phi_{2}(X)$$ 考虑到所有条件，投影最佳算法的可能理论背景是什么？我正在尝试对错误进行估计，即：偏差+方差+噪声。例如：对于两者：$\Phi_{f}$和$\Phi_{2}$，即RandomForests，偏差和噪声将相同，方差会更高 $\Phi_{f}$（到目前为止只是直觉）。有人可以指出我正确的方法吗？