这看起来很好地映射到Association Mining。在关联挖掘中，您试图从一个离散集合中找到经常在交易中同时出现的项目。例如，您可能希望一起查找最常出现在在线购物车中的商品。

在您的情况下，问题相当于：

1. 按获胜者将数据拆分为子问题。
2. 使用例如先验算法对每个子问题中的参与者集执行关联挖掘。

然后，生成的规则将具有相关的置信度因子。当您想预测谁会获胜时，您可以以最大的信心选择规则建议的获胜者。

您的问题建议的另一种方法是将其建模为分类。在这里，您尝试将标签（谁赢了）分配给输入向量（谁玩）。该过程如下所示：

1. 将演奏者的集合映射成二元特征。因此，如果只有 8 个玩家，则子集 P1,P2,P4,P8 可能用 {1,1,0,1,0,0,0,1} 表示。将获胜玩家映射到数字类（例如数字 1-8）。
2. 运行任何分类算法以创建一个模型，该模型可以根据二进制特征预测类别。如果您想了解哪些因素对模型很重要，决策树学习器可能是一个有趣的起点。然而，还有许多其他技术。

您可以使用您训练的模型来预测与同一组玩家的未来游戏。