Друзья, всем привет!
Есть датасет: пациент, 4 диагноза по нему, и указано какой из диагнозов основной.
Нужно построить модель которая будет из 4х диагнозов определять основной.
Обычный классификатор у меня не взлетел, потому-что один и тот же диагноз в разных кейсах может быть 1-м, 2-м , 3-м и 4 по счёту.
Если кодировать dummy, то получается больше 1000 признаков и я не знаю, что в таком случае будет таргетом.
Подскажите куда копать.
Буду признателен за ссылки.

А диагноз как кодируется? И что мы знаем кроме диагноза?

хотел спросить как в csv файле заполнить NaNы?

диагноз кодируется в МКБ10

сделать map по диагнозам и в catboost  с указанием категориальной фичи, либо dummy и RF/XGB

диагноз кодируется в МКБ10

Я к тому, что диагноз ставится по симптомам, и если мы никак не можем оценить диагноз относительно симптомов, то задача не имеет смысла

в теории связь есть, определенное заболевание дает определенные осложнения, но мне кажется для этого нужно много данных

Я к тому, что диагноз ставится по симптомам, и если мы никак не можем оценить диагноз относительно симптомов, то задача не имеет смысла

Я о том, что задача "вот 4 диагноза, выбери из них тот, который правильный" не имеет смысла, потому что критерий "правильный" не определен.

Это не так важно. Еще раз. Нужны данные о пациенте. Либо это будет задача не определить, от чего он умер, а определить, что из списка могло бы его убить если бы оно было, но мы не знаем, было ли оно