複数のターゲットまたはクラスを予測しますか？

複数のイベント（たとえば、ダイスのロールとコインのトスの両方）を予測しようとする予測モデルを構築しているとします。私が精通しているほとんどのアルゴリズムは1つのターゲットのみで機能するため、この種のことに対する標準的なアプローチがあるかどうか疑問に思っています。

2つの選択肢があります。おそらく最も素朴なアプローチは、単純にそれらを2つの異なる問題として扱い、結果を結合することです。ただし、2つのターゲットが独立していない場合（および多くの場合、それらは非常に依存している可能性があります）、これには重大な欠点があります。

私にとってより賢明なアプローチは、結合されたターゲット属性を作成することです。そうダイと硬貨の場合には、我々が持っているであろうの状態（（1 、H ）、（1 、T ）、（2 、H ）、など）。ただし、これにより、複合ターゲットの状態/クラスの数がかなり大きくなることがあります（2つのサイコロがある場合など）。さらに、これは、一方の属性がカテゴリ属性でもう一方が数値属性の場合（たとえば、気温と降水量のタイプを予測する場合）、奇妙に思えます。$6\cdot 2=12$$(1, H), (1, T), (2, H)$

この種のことに対する標準的なアプローチはありますか？あるいは、これを処理するために特別に設計された学習アルゴリズムはありますか？

これは、機械学習コミュニティでは「マルチラベル学習」として知られています。質問で説明したものを含め、問題に対するさまざまなアプローチがあります。始めるためのリソース：

• マルチラベルデータからの学習
• ムーラン：マルチラベル学習のためのJavaライブラリ
• Machine Learning Journalのマルチラベルデータからの学習に関する特集（まだ出版されていると思います）
• ストリーミングマルチラベル分類（ビデオ）
• マルチラベル分類のためのインスタンスベースの学習とロジスティック回帰の組み合わせ（ビデオ）

同じ予測子を持つ2つの変数があり、変数Bにも予測子として変数Aがある場合、AとBの推定値を同時に最適化する最適化問題を検討している可能性があります。2番目の推定値が間違っている場合、1つを最適化しても意味がありません。

これは運用研究の問題であり、残念ながら私の専門知識の範囲外です。