Как мне обучить модель в Tensorflow, которая фиксирует зависимости совместных классов? ⇐ Python

[Anonymous]

В качестве хобби я занимался моделированием фэнтезийных очков для бейсболистов. Для данной команды в данной игре есть девять (9) стартовых отбивающих, которые бьют по порядку.
Я обучил каждое из их распределений очков как многоклассовый классификатор (с взвешенное сглаживание меток), чтобы определить вероятность того, что каждый из них заработает x дискретных очков в данной игре с некоторым успехом. Это дает мне доступ к процентилю, которого достиг каждый игрок в конкретной игре.
Что я хотел бы сделать, так это обучить модель, которая фиксирует зависимости между игроками. Я попытался просто подобрать эмпирическую связку, но заметил, что зависимость варьируется в зависимости от игровой среды (т. е. два игрока с большей вероятностью одновременно получат высокие результаты в игре с высоким тоталом, чем в игре с низким тоталом).
В идеале решение должно выглядеть примерно так:
batter1_percentiles = [0.11,0.43,0.67,0.51 , ... , 0.33]

...

batter9_percentiles = [0.27,0.68,0.44,0.97 , ... , 0.12]

model = tf_keras.sequential([
tf_keras.layers.Dense(10),
tf_keras.layers.Dense(5),
# Something here
])

model.compile(#some stuff)
model.fit(#some stuff)
joint_percentiles = model(x_tst) #this could return the percentile outcome of each class
# or a class prediction for each class, I have no particular preference

#Calling model(x_tst) again should return different percentiles or class predictions, such
#that if I call it many times, I receive the joint probability distribution of the players
#in each game



Подробнее здесь: https://stackoverflow.com/questions/786 ... pendencies