Estou procurando recursos (livros, anotações de aula etc.) sobre técnicas que podem lidar com dados que têm vários destinos (Ex: três variáveis dependentes: 2 discretas e 1 contínua).
Alguém tem algum recurso / conhecimento sobre isso? Eu sei que é possível usar redes neurais para isso.
fonte
Este documento descreve bem os métodos atuais, kits de ferramentas disponíveis e conjuntos de dados para testar.
Por acaso, trabalhei em um problema comercial que requer regressão de vários destinos e descobri que o kit de ferramentas Clus tem uma boa combinação de alto desempenho e robustez
Alguns dos métodos mais recentes (pós-2012) foram implementados como uma extensão do kit de ferramentas Mulan, aqui está o link do Github . Embora esses métodos, como as combinações lineares aleatórias de alvos, relatem um desempenho melhor do que os modelos de conjunto, descobri que o kit de ferramentas não era tão maduro quanto o kit de ferramentas Clus e, portanto, não os usava.
fonte
Uma abordagem bayesiana sobre esse tipo de problema: modelos não paramétricos bayesianos para dados espacialmente indexados de tipo misto . O elemento de resposta múltipla sendo manipulado por vários vetores aleatórios normalmente distribuídos e funções de ligação dos mesmos. Para que a resposta completa seja uma pilha de um vetor de normais, vetor de contagens e vetor de bernoullis.
fonte