Misalkan saya sedang membangun model prediksi di mana saya mencoba untuk memprediksi beberapa peristiwa (misalnya, gulungan dadu dan lemparan koin). Sebagian besar algoritma yang saya kenal bekerja dengan hanya satu target, jadi saya bertanya-tanya apakah ada pendekatan standar untuk hal semacam ini.
Saya melihat dua opsi yang memungkinkan. Mungkin pendekatan yang paling naif adalah dengan memperlakukan mereka sebagai dua masalah yang berbeda, dan kemudian menggabungkan hasilnya. Namun, itu memiliki kelemahan serius ketika kedua target tidak independen (dan dalam banyak kasus mereka mungkin sangat tergantung).
Pendekatan yang lebih masuk akal bagi saya adalah membuat atribut target gabungan. Jadi dalam kasus mati dan koin, kita akan memiliki negara ( ( 1 , H ) , ( 1 , T ) , ( 2 , H ) , dll). Namun, ini dapat menyebabkan jumlah negara / kelas dalam target komposit menjadi agak besar lebih cepat (bagaimana jika kita memiliki 2 dadu, dll.). Lebih jauh lagi, ini tampak aneh dalam kasus bahwa satu atribut kategorikal sedangkan yang lainnya adalah numerik (misalnya jika memprediksi suhu dan jenis curah hujan).
Apakah ada pendekatan standar untuk hal semacam ini? Atau, apakah ada algoritma pembelajaran yang dirancang khusus untuk menangani ini?