Python 如何建立一个预测模型，在未来会有看不见的分类变量

假设我建立了一个模型，利用过去10年的赛马和马匹数据预测赛马的最终位置，该模型具有以下特征：

马的年龄，马的体重，比赛距离，骑师

现在，我想预测下个赛季的赛马排名。然而，在这10年中，许多骑师已经退休，新的骑师也加入了，因此，与马的年龄、马的体重和比赛距离不同，将有一些骑师是训练有素的模特看不见的

---

我想知道解决这个问题的好办法是什么。我意识到我能做的一件事是不断地重新训练我的模型，以纳入新的数据，但我希望听到更多有趣的想法

我认为那是不可能的

但是，您可以执行以下操作： 假设每场比赛有10匹马。从0到9进行编号。
包括您想要的所有马的所有功能，并预测哪匹马赢。

例如：
马0：马龄0，马重0，比赛距离0，骑师0
马1：马龄1、马重1、比赛距离1、骑师1
…
马9：马的年龄9，马的重量9，比赛距离9，骑师9

总共4*10=40个特征

模型应该预测0到9级中的一个，表示马的数量
不过，使用这种方法时要小心，马匹的顺序并不重要，在训练/选择模型时应该考虑到这一点

---

您可以通过考虑一对一的方法来简化问题，在这种方法中，您可以评估每对马，看看哪一匹会赢。

用骑师体重、赢/输比率替换骑师…@yeg感谢您的输入。我给出了一个具体的例子，但问题实际上可以是一个更一般的问题，在这个问题上，分类变量可能会也可能不会被其他功能所取代。@SzePlusPlus您仍然需要提供一些关于骑师的信息。否则就不可能知道骑手对比赛的影响。（彼得是骑师，虽然我从未听说过他，但我甚至不知道他长什么样，我只是觉得他会赢？）