因此，当我认为特定特征组存在依赖性时，可以使用混合效果回归模型。我已附上Wiki链接，因为它比我解释得更好。 （https://en.wikipedia.org/wiki/Mixed_model）
尽管我认为在很多情况下我们需要考虑混合效应，但是并没有太多模块支持这一点。
R有lme4，Python似乎有一个类似的模块，但是它们都是统计驱动的。他们不使用诸如梯度提升之类的成本函数算法。
在机器学习设置中，您将如何处理需要考虑混合效应的情况？还有其他模型可以处理具有混合效应（随机效应）的纵向数据吗？
（R似乎有一个支持混合效果的软件包：https://rd.springer.com/article/10.1007%2Fs10994-011-5258-3
但是我正在寻找Python解决方案。
最佳答案
至少有两种方法可以处理Python中具有混合效果的纵向数据：
StatsModel用于线性混合效果；
MERF用于混合效果随机森林。
如果您选择StatsModel，建议您使用here提供的一些示例。如果您去参加MERF，我会说最好的起点是here。
希望对您有所帮助！
关于python - 需要在混合效应，随机效应加回归时使用哪种模型，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/46111980/