如何将随机森林预测概率转换为单个分类响应？
将随机森林预测概率转换为单个分类响应的方法可以通过设置一个阈值来实现。以下是一个完善且全面的答案：
随机森林是一种集成学习算法，用于解决分类和回归问题。它由多个决策树组成，每个决策树都是独立训练的。在分类问题中，随机森林可以输出每个类别的概率。
要将随机森林预测的概率转换为单个分类响应，可以使用以下步骤：
- 首先，对于每个类别，计算随机森林预测的概率。这些概率表示样本属于每个类别的可能性。
- 接下来，可以选择一个阈值来决定样本属于哪个类别。通常，可以选择概率最高的类别作为预测结果。
- 如果需要更加灵活的分类响应，可以根据具体需求调整阈值。较高的阈值会增加分类的准确性，但可能会导致漏掉一些正样本；较低的阈值会增加分类的召回率，但可能会引入更多的误分类。
- 可以使用不同的评估指标来选择最佳的阈值。例如，可以使用准确率、召回率、F1值等指标来评估分类结果的好坏，并选择最优阈值。
腾讯云提供了多个与机器学习和数据分析相关的产品，可以帮助实现随机森林预测概率转换为单个分类响应的功能。以下是一些相关产品和介绍链接：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tccli）
- 该平台提供了丰富的机器学习算法和模型训练工具，可以用于构建和训练随机森林模型。
- 腾讯云数据分析平台（https://cloud.tencent.com/product/dp）
- 该平台提供了数据处理和分析的工具，可以用于预处理数据、训练模型和进行预测。
请注意，以上产品仅为示例，实际选择产品时应根据具体需求进行评估和选择。
相关·内容
我正在尝试使用不同的分类算法，比如随机森林，支持向量机，AdaBoost来构建一个二进制分类系统。我想使用这些分类器的输出来可视化一个分数。例如，在使用随机森林时，我想使用属于A类的样本的概率来构建一个从0到100的分数。假设随机森林输出一个概率(从0到1)，使用它，因为得分是直观的(我只需将它乘以100)。然而，考虑到SVMs输出的是一个分类，而不是一个概率输出(即到超平面的距离，而不是概率)，那么将到超平面的距离作为某种“伪概率”来使用是否合法？例如，我会对所有样本在超平面的距离上做最大-最小标度，所以所有的距离都是从0到1。
我想要确定，我可以用超平面的距离作为一个伪概率，并且这个伪概率
浏览 0提问于2016-12-07得票数 5
回答已采纳
1回答
我正试图确切地了解元随机森林分类器是如何确定最终预测的，我知道存在一个投票系统，并且使用决策树的聚合来找到最终的预测，我从这里读到：Python中的随机森林分类：
随机森林是一种集合决策树算法，因为在回归问题中，最终预测是每个决策树预测的平均值；在分类中，它是最频繁的预测的平均值
我阅读了RFC源代码：合奏/森林：
输入样本的预测类别是森林中树木的投票，按其概率估计进行加权。也就是说，预测类别是平均概率估计值最高的一类。
这是否意味着，例如：
📷
我们有3类(A，B，C)的估计器，每棵树都有一定数量的最终叶节点，并有一个类预测；
A类、B类或C类的概率是叶节点预测A类的次数的结果，即Tree1
浏览 0提问于2019-04-30得票数 5
回答已采纳
我正在做一个二进制分类的kaggle竞赛。我想输出概率输出(软标签--介于0和1之间的某个值)，而不是只输出0和1。使用随机森林分类器
浏览 1提问于2021-03-25得票数 0
3回答
我在一个包含7个变量的大约1000个观测值的数据集上建立了一个随机森林模型(使用包‘party’的cforest )。反应是二元的(比如结果A和结果B)，6个预测因子都是绝对的。我的问题是，我想得到1000个结果中每一个的概率，就像在一个logistic回归模型中。在后一种情况下，我们可以使用预测(您的模型，type=“响应”)来获得每个结果的概率，在这种情况下，结果A在p<0.5时是有利的，而结果B在p>=0.5时是有利的。
似乎在对随机森林对象应用预测时，我只得到每个观测的预测结果(即A或B)。是否有办法来检索预测响应的概率？
我非常感谢你的帮助！
C.B.
浏览 2提问于2017-04-20得票数 0
回答已采纳
2回答
我用随机林中的二进制目标类来拟合数据集。在python中，我可以通过随机森林分类器或随机森林回归器来实现。
我可以直接从随机森林分类器得到分类，也可以先运行随机森林回归器，得到一组估计概率。然后，我可以找到一个截止值，从概率集合中导出预测的类。这两种方法都可以达到相同的目标(即预测测试数据的类)。
我也能观察到
randomforestclassifier.predict_proba(X_test)[:,1])
是不同的
randomforestregressor.predict(X_test)
所以我只想确认这两种方法都是有效的，那么哪一种在随机森林应用中更好呢？
浏览 0提问于2017-01-05得票数 0
1回答
我试着用xgboost R包构建一个0-1分类器。我的问题是如何做出预测？例如，在随机森林中，树木“投票”反对每一种选择，最后的预测是基于多数。关于xgboost，回归的情况很简单，因为对整个模型的预测等于弱学习者的预测和(增强树)，但是分类呢？
xgboost分类器是否与随机林中的工作方式相同(我不这么认为，因为它可以返回预测概率，而不是类成员资格)。
浏览 0提问于2016-01-19得票数 3
回答已采纳
1回答
随机森林预测
、、、
比方说，我想对员工是否会流失进行分类。在我的随机森林中，我有6种估计量，其中3种是预测员工流失的，另一种是预测员工保留的。简而言之，3种估计量=预测会产生波动，3种估计量=预测将保持。
我知道，随机森林的工作方式是为每个班级获得最多的选票，或者通过获得模式来实现。
问题是在这种情况下，随机森林是如何预测的？
浏览 0提问于2019-07-31得票数 1
回答已采纳
2回答
我正在尝试一个分类项目。我已经把我的20000号数据分成了训练和测试集。在训练集上，我进行了分类选择，包括knn、随机森林和gbm。这些给我大约20%-30%的准确性在最好。对于每个样本，我生成每个类的概率，并建立一个新的模型。
Knn proba 1 knn proba 2.随机森林proba 1等
在此基础上，我运行了一个随机森林分类器，它对测试集的准确率为90%。
太棒了！。。但是当我对新的数据使用这个模型时，精度很低。
在某种程度上，这感觉像是一个过度适应的情况，但当然测试集也应该是差的。
为什么测试数据如此好而新数据却如此糟糕..。我做错了什么？
谢谢克里斯
浏览 0提问于2015-08-16得票数 1
我感兴趣的是，当OOB被用于二进制分类任务时，当它被用于一个不平衡的样本时，就会使用sklearn来寻找随机森林的OOB评分。在随机森林中，oob决策函数意味着什么，以及如何从它得到类预测？
我读过RandomForestClassifier OOB评分法，但仍然不清楚。oob决策函数是否提供类概率，如果是，我是否通过取较高的数字来获得类预测(例如，执行类似于pred_train = np.argmax(forest.oob_decision_function_，axis=1)的操作)？
由于我的课程是不平衡的，我不能在这里使用sklearn的默认OOB分数，我应该这样做从OOB预测中得到某种
浏览 0提问于2021-01-30得票数 1
回答已采纳
如果所有分类标签都可以用数值表示，这是否意味着我可以通过将分类标签编码为数字来在任何分类任务中使用回归模型？
我最近正在研究一个二进制分类问题，它有两种输出类型：'0‘代表正面，'1’代表负面。我使用随机森林分类器来解决这个问题，但我看到其他人使用随机森林回归来解决同样的问题。经过思考，这对我来说是有意义的--最终的期望输出是连续值，我可以训练一个回归模型来获得表示输出类别的预测连续值。
这让我思考是否可以在其他分类任务中使用回归模型。例如：
为了对“猫”和“狗”这两个图像进行分类，我使用LabelEncoder将其编码为0和1，然后它就变成了一个回归问题。
希望我的问题清楚了
浏览 23提问于2019-07-30得票数 0
回答已采纳
我已经应用随机森林的训练数据，其中有大约100个特征。现在，我想应用特征选择技术，以便在对数据应用随机森林模型之前减少特征的数量。如何使用varImp函数(从插入符号包)来选择重要的特性？我读到varImp本身使用一些分类方法来选择特性(我发现这非常违背直觉)。如何应用varImp来获取重要的特征子集，然后在应用随机森林分类算法时可以使用？
浏览 0提问于2015-05-04得票数 0
回答已采纳
在随机森林中，predict()和predict_proba()给出了不同的roc_auc_score。 我知道predict_proba()给出了概率，比如在二进制分类的情况下，它会给出两个对应于两个类的概率。predict()给出它所预测的类。 #Using predict_proba()
rf = RandomForestClassifier(n_estimators=200, random_state=39)
rf.fit(X_train[['Cabin_mapped', 'Sex']], y_train)
#make
浏览 516提问于2019-05-31得票数 1
回答已采纳
1回答
逆ROC-AUC值？
、、、、
我有一个分类问题，需要预测给定数据的(0,1)类。基本上，我有一个具有300多个特性(包括用于预测的目标值)和2000多行(示例)的数据集。我使用不同的分类器如下：
1. DecisionTreeClassifier()
2. RandomForestClassifier()
3. GradientBoostingClassifier()
4. KNeighborsClassifier()
除了0.28左右的随机森林，几乎所有的分类器都给出了大约0.50 AUC值的相似结果。我想知道，如果逆RandomForest的结果，是否正确：
1-0.28= 0.72
然后报告给AUC？这是正
浏览 1提问于2019-01-15得票数 0
回答已采纳
1回答
随机森林中各树的平均绝对误差
、、、、
我使用weka的评估类来计算随机森林中每棵树的平均绝对误差。解释说“指数字类的预测值的误差，以及名义类的预测概率分布的误差。”
有人能用简单的语言来解释吗?或者用一个例子来解释？
浏览 2提问于2013-10-17得票数 1
回答已采纳
我有一个分类问题(预测一个序列是否属于一个类)，对于这个问题，我决定使用多种分类方法，以帮助筛选出假阳性。
(问题在于生物信息学-将蛋白质序列归类为神经肽前体序列。如果有人感兴趣，，)。
现在，分类器在10倍CV的训练集上具有大致相似的性能指标(83-94%的准确率/精度/等等)，所以我的“朴素”方法是简单地使用多个分类器(随机森林、ExtraTrees、支持向量机(线性核)、支持向量机(径向基核)和伽玛基)，并使用简单的多数投票。
我的问题是:如何获得不同分类器和/或它们的投票预测的性能指标？也就是说，我想看看使用多个分类器是否能提高我的性能，或者它们的哪个组合可以提高我的性能。
我的直觉可
浏览 2提问于2014-02-01得票数 8
回答已采纳
1回答
当使用随机森林在滑雪板上做二进制分类。我知道我可以使用clf.predict(X)来得到预测的类。当我使用clf.predict_proba(X)时，我得到了如下所示的数组：
我认为第一列表示预测的概率？怎样才能得到一个列，即类的概率为1？
浏览 0提问于2017-09-11得票数 2
回答已采纳
1回答
如何组合两个决策树对象？
、、、
我已经从随机森林分类器中选择了一些决策树对象(使用估计器)。现在，我想将所选的决策树对象合并为一个对象。有人可以建议我如何合并随机林中选定的决策树对象吗？
浏览 17提问于2019-03-27得票数 0
回答已采纳
1回答
当使用scikit的分类器-学习多类问题时，是否需要用一种热编码对标签进行编码？例如，我有3个类，在将这些数据输入不同的分类器以进行培训时，简单地将它们标记为0、1和2。据我所知，它似乎运转正常。但是，有什么理由不推荐这种基本编码吗？
有些算法，如随机森林，本机处理分类值。对于logistic回归、多层感知器、高斯朴素Bayes和随机森林等方法，如果我没有弄错的话，这些方法似乎是本机处理分类值。这个评估是正确的吗？谁的科学知识-学习的分类器不处理这些输入本地和影响的序号？
浏览 1提问于2018-07-25得票数 3
回答已采纳
2回答
我有一些标记为0或1的数据，我试图使用随机森林来预测这些类。每个实例都标记有20个用于训练随机森林的特征(~30.000个训练实例和~6000个测试实例)。
我正在用以下代码绘制精确召回和ROC曲线：
precision, recall, _ = precision_recall_curve(y_test, y_pred)
plt.step(recall, precision, color='b', alpha=0.2,where='post')
plt.fill_between(recall, precision, step='post', a
浏览 1提问于2018-07-19得票数 1
回答已采纳
1回答
威卡退耕还林
、、、、
我正在使用Weka，并希望对随机森林进行回归。具体来说，我有一个数据集：
Feature1,Feature2,...,FeatureN,Class
1.0,X,...,1.4,Good
1.2,Y,...,1.5,Good
1.2,F,...,1.6,Bad
1.1,R,...,1.5,Great
0.9,J,...,1.1,Horrible
0.5,K,...,1.5,Terrific
.
.
.
我不想学习预测最有可能的类，而是学习给定特征向量在类中的概率分布。我的直觉是，仅在Weka中使用RandomForest模型是不合适的，因为它将试图最小化其绝对误差(最大似然)而不是其平方误差(条
浏览 5提问于2012-11-07得票数 2
回答已采纳
我正在尝试使用sklearn中的roc_auc_score来评估两个模型。第一个是随机森林，第二个是kNN分类器。这是一个二进制分类问题。但是我有一个问题，因为这两个模型的输出类型是不同的。
对于随机森林，输出是概率，一些想法如下。
[0.1, 0.4, 0.6, ..., 0.9]
对于kNN分类器，结果是二进制的，如
[0,0,1,...,1]
基本事实是二进制值。
我想知道我是不是直接使用
from sklearn.metrics import roc_auc_score
roc_auc_score(labels, predictions)
这两个模型的roc_auc值是否具有可比性？既
浏览 28提问于2021-02-13得票数 0
1回答
我想通过得到每个类的分类概率，在randomForest中的每个树。
(1)输出单个输出，但它的类型是响应，而不是概率。
predict(rf_cl, newdata, predict.all=TRUE)$individual
(2)这产生了概率，但它属于森林，而不是所有的树木：
predict(rf_cl, newdata, type="prob")
(3)当我尝试这个时，得到的输出与第一个输出相同。
predict(rf_cl, newdata, predict.all=TRUE, type="prob")$individual
我在网上搜索了很长时间。
浏览 7提问于2022-07-03得票数 2
我建立了一个随机森林模型来分类一场男子NCAA篮球赛是否会超过或低于总数。该模型给出了指定为1和小于0的训练数据。然后，我使用分类报告来计算精度、召回、F1评分和支持。这是我的研究结果：
📷
对于这样的模型，当我的目标是准确地预测测试数据的结果是1还是0时，我应该在决策中使用召回来选择是尝试预测结果是0还是1吗？
另外，我使用predict_proba并使用数组返回的第二个值，这将给出测试数据结果为1的概率，但是从这个分类报告看来，我应该尝试预测结果为0的概率，因为它在回忆时更具有描述性。
# Example:
# less accurate way
ynew = model.predict
浏览 0提问于2020-12-16得票数 1
回答已采纳
我目前正在研究一个使用随机森林分类器的疾病预测机器学习模型。我输入症状，然后程序应该预测疾病。预测没有问题，但我想计算每个预测值“一个一个”的准确性。例如，该项目预测“结核病”为一种疾病。然后，我要计算这个预测的准确率。(只有预测值结核病的准确性。)如何逐个计算每个预测值的准确性？
浏览 2提问于2021-05-12得票数 2
回答已采纳
2回答
分类链
、
我的问题是如何创建分类链
我正在处理的问题是一个多类问题，在这里我必须分配7个可能的类中的一个。
为此，我开始训练一个基于随机森林的分类器，结果没有那么好。人们对95%+的期望是精确的，而我当时只有79岁。
所以我开始为每堂课训练7个不同的分类器。当我参加第一班时，为了训练的目的，我把其他班级的班级标签转换为“其他”。
通过这个过程，单个分类器的性能注册了~ 95%+。
然后我想，可以用一种最精确的模型首先尝试分类的方式来链接分类器(以瀑布的方式)，其次是最精确的在行上进行预测，第三种是最精确的，等等。培训过程仍然相同(与7个分类器相同)。
具体来说，我们假设分类器1在100行上进行预测，发现
浏览 0提问于2015-10-29得票数 6
我正在训练一个随机森林模型，使用基于3个分类变量的caret对栅格图像进行分类。我很有兴趣获得这三个类别的班级成员概率。这可以使用type = 'prob'完成，但问题是，我得到的只是一个单一的概率图像，范围从0到1。
model_rf <-插入：：列车(xVar~.，方法= "rf"，数据= dt_train，重要性=真，type="prob")
predict_p_rf <-光栅：：预测(object= image.x，model = model_rf，type = 'prob')
我的问题是：( 1 )是否有
浏览 0提问于2021-06-22得票数 0
回答已采纳
我的数据中的标签是一个(N乘1)向量。对于负样本，标签值为0，对于正样本，标签值为1(因此，这是一个二进制分类问题)。我使用了sklearn的.fit函数，并在我的火车上安装了一个随机的森林。为了计算测试集的AUC，我使用了metrics.roc_auc_score (test_labels, probabilities)。我正在使用predict_proba(my_test_set)来获取概率。但是，predict_proba(my_test_set)返回一个(N_test，2)矩阵。我看到许多人使用这个返回矩阵(predict_proba(my_test_set)[:,1])的第二列并将其
浏览 368提问于2019-06-27得票数 7
我已经用基于对象的图像分析绘制了一个区域。这导致了2000图像对象(多边形)，我想根据他们的属性(光谱，RGB数据，形状，大小等)进行分类。
我已经将数据保存为一个.csv，以便在'Randomforest‘包中使用。
我已将“生境级别”作为数据中每个对象(1、2、3、4、5、6)的六个因素之一。所附csv的例子。
我想要做的是运行随机森林来预测每个图像对象的"Habitat_Level“(列: OBJECT_ID)。
因此，我需要的结果将使用"Habitat_Level“(从随机森林生成)填充”预测“列，该列使用OBJECT_ID来区分对象。
我已经运行了随机森林，
浏览 4提问于2022-03-08得票数 0
回答已采纳
我训练了一个简单的随机森林分类器，然后当我用相同的测试输入测试预测时：
rf_clf.predict([[50,0,500,0,20,0,250000,1.5,110,0,0,2]])
rf_clf.predict_proba([[50,0,500,0,20,0,250000,1.5,110,0,0,2]])
第一行返回array([1.])，而第二行返回array([[0.14, 0.86]])，其中预测是第一个浮动0.14，对吗？
那两个人怎么不匹配？我有点糊涂。谢谢。
浏览 1提问于2021-05-16得票数 2
回答已采纳
2回答
如何序列化大型随机森林分类器
、、、、
我正在使用sklearn的随机森林分类器来预测一组类。我有超过26000个类，因此分类器的大小超过30 GB。我在linux上运行它，内存为64 GB，存储空间为20 GB。
我试图通过使用joblib来筛选我的模型，但它不起作用，因为我没有足够的辅助存储(我猜)。有什么办法可以做到这一点吗？也许是某种压缩技术或其他什么？？
浏览 1提问于2018-09-21得票数 0
我在R平台上使用randomForest包来完成分类任务。
rf_object<-randomForest(data_matrix, label_factor, cutoff=c(k,1-k))
其中k的范围从0.1到0.9。
pred <- predict(rf_object,test_data_matrix)
我有来自随机森林分类器的输出，并将其与标签进行比较。因此，我有9个分界点的性能指标，如准确性、MCC、敏感性、特异性等。
现在，我想绘制ROC曲线，并获得ROC曲线下的面积，以查看性能有多好。R中的大多数包(如ROCR，pROC)需要预测和标签，但我有敏感性和特异性(1-
浏览 3提问于2012-09-11得票数 7
回答已采纳
2回答
我主要关心的是，我需要理解随机森林是如何在scikit中进行多数投票来学习源代码的。我没有在RandomForest的源代码中找到特定的代码。如果有人知道，请解释一下。谢谢
浏览 0提问于2019-10-24得票数 1
我正在尝试使用随机森林来预测极端不平衡的数据集的结果(1的比率仅为1%甚至更低)。由于传统的randomForest最小化了总体错误率，而不是特别关注正类，这使得传统的randomForest不适用于不平衡数据。因此，我想为少数类别的错误分类(成本敏感学习)分配一个高成本。
我读到了一些资源，我们可以在R上使用randomForest的classwt选项，但我不知道如何使用它。除了randomForest函数之外，我们还有其他的选择吗？
浏览 1提问于2015-06-19得票数 0
我正在为XGBoost使用sklearn包装器。我没有找到一个清晰的解释，说明predict_proba()输出的概率是如何计算出来的。
例如，在随机森林中，我知道它反映了属于这个类别的样本在所有树木的相关叶子中所占比例的平均值。
但是，在XGBoost中，我无法理解文档或代码中的计算。不是应该给每棵树不同的重量吗？
浏览 0提问于2017-03-19得票数 6
1回答
我使用随机森林将文本分类为特定类别。当我使用我的测试数据时，我得到了0.98的准确率。但是使用另一组数据，总体精度下降到0.7。我认为，大多数行仍然具有很高的准确性。
因此，现在我想以较高的置信度仅显示预测的类别。random-forrest给了我一列“概率”，这是一个概率数组。如何获得所选预测的实际概率？
val randomForrest = new RandomForestClassifier()
.setLabelCol(labelIndexer.getOutputCol)
.setFeaturesCol(vectorAssembler.getOutputCol
浏览 4提问于2020-06-04得票数 1
回答已采纳
1回答
我有一个状态->动作对(s，a)的数据集，其中每个s定义了关于a的可能选择的概率分布，并且每个a都是从该概率分布中采样的。我想为这个数据集训练一个分类器，它不是学习预测最大似然，而是预测采样的分布a。
例如，如果你正在玩一个迭代的石头-布-剪刀，你的状态可能只是你上一步的动作和一个∈{石头，布，剪刀}，其中之前的状态降低了再次选择该动作的概率。然后，我的数据集将如下所示：
PreviousAction,Chosen
Rock,Paper
Paper,Rock
Rock,Scissors
Scissors,Paper
Paper,Paper
...
在scikit-learn中学习随机森林
浏览 2提问于2012-11-05得票数 0
回答已采纳
我正在使用星火1.5.0 MLlib中的随机森林进行两类分类.我想得到每个树节点中每个类的记录数。有办法这样做吗？非常感谢您的帮助！
浏览 7提问于2016-03-11得票数 3
回答已采纳
2回答
在随机森林/ XG Boost分类器中，是否有给出每个标签顶部特征的函数？classifier.feature_importances_只提供分类器作为一个整体的顶级特性。
寻找一些类似的classifier.coef_，为支持向量机和朴素贝叶斯分类器提供标签特定的顶级特征在学习。
浏览 3提问于2019-01-21得票数 2
回答已采纳
1回答
我在一个多类问题中使用随机森林分类器。 rf = RandomForestClassifier(()
rf.fit(train_X, train_y) 然后进行预测： pred = rf.predict(test_X) 所以我想这样计算roc_auc_score： roc_value = roc_auc_score(test_y, pred, average='weighted',
multi_class='ovr',labels=[0,1,2,3,4]) 但这会给出一个错误： numpy.AxisError: axis 1 is out of bo
浏览 127提问于2021-03-15得票数 0
1回答
我很难理解为什么matlab函数不允许使用带套袋的knn学习者创建集成模型，而只使用与随机森林方法更相似的随机子空间方法。
我想使用套袋，以比较不同类型的学习者(如knn和树木)的套袋方法。
我希望你能帮我，谢谢你，
玛尔塔
浏览 0提问于2019-01-31得票数 0
回答已采纳
4回答
我有一个logistic回归和一个随机森林，我想把它们(集合)结合起来，通过一个平均值来进行最终的分类概率计算。
在sci学习中有没有内置的方法来做到这一点？某种方式，我可以利用两者的集合作为分类器本身？还是我需要自己的分类器？
浏览 2提问于2014-02-02得票数 25
回答已采纳
为了建立分类模型，我尝试从数据集中选择最重要的特性。
我的数据包含混合属性(数字属性和分类属性)。在应用随机森林从数据中选择特征后，我计划在R中应用(重要度或varImp)函数来提高模型的精度。
我的问题是：可以直接在数据上应用随机森林而无需转换步骤，或者我必须将分类属性转换为二进制(0,1)。
我已经在数值数据集上应用了带有重要/ varImp函数的随机森林，模型工作得很好，但我不确定混合数据。
浏览 0提问于2017-10-23得票数 1
1回答
我正在使用Python中的随机森林分类算法对卫星图像进行分类。我想要在像素级别映射每个类别的分类不确定性。
有可能吗？
到目前为止，我已经在互联网上搜索到了这个链接，但这里提到的计算不确定性的方法只适用于二分类。
我将非常感谢在这方面的任何指导。
浏览 0提问于2020-01-07得票数 1
2回答
我最近使用R中的ranger包构建了一个随机森林模型。然而，我注意到在训练期间存储在ranger对象中的预测(可通过模型$ predictions访问)与我使用创建的模型在同一数据集上运行预测命令时获得的预测不匹配。下面的代码在mtcars数据集上重现了这个问题。我创建了一个二进制变量，只是为了将其转换为一个分类问题，尽管我在回归树中也看到了类似的结果。
library(datasets)
library(ranger)
mtcars <- mtcars
mtcars$mpg2 <- ifelse(mtcars$mpg > 19.2 , 1, 0)
mtcars <-
浏览 3提问于2018-08-16得票数 1
由于我的数据集不平衡( 1: 5%，0: 95%)，我使用class_weight=“平衡”参数来训练随机森林分类模型。这样，我就惩罚了一个罕见的阳性病例的错误分类。
rf = RandomForestClassifier(max_depth=m, n_estimators=n_estimator,class_weight = "balanced")
rf.fit(X_train, y_train)
“平衡”模式使用y的值自动调整权重，与输入数据中的类频率成反比，如n_samples / (n_classes * np.bincount(y))
在我的例子中，类频率是：
fc
浏览 0提问于2019-07-02得票数 5
使用Python和sklearn，我想为随机森林分类器的 (oob)真阳性和假阳性率绘制ROC曲线。
我知道这在R中是可能的，但在Python中似乎找不到任何关于如何做到这一点的信息。
浏览 8提问于2019-12-18得票数 1
回答已采纳
我遇到了一个问题，我试图估计一个给定一组特征的数字。这个数字从160到240不等。
我是否可以用范围( 160-165、166-170、171-175等)标记数据，然后使用随机森林进行分类？
使用线性回归的vs的利弊是什么？
这似乎有点好，因为我会对随机森林方法的概率/信心。
浏览 0提问于2017-10-15得票数 -1
1回答
我目前正在处理一个命名实体识别任务。我正在使用条件随机场算法对我标记的实体进行分类。我想知道这个算法是不是像BERT一样是双向的？
算法对每个单词的特征包括前一个单词和下一个单词，所以我猜是这样的。这是否也意味着CRF对整个句子进行了预测？还是在每个单词上？
感谢您在这个问题上的任何线索！
浏览 0提问于2019-09-18得票数 2
1回答
我正在绘制随机森林分类的ROC曲线。绘图工作，但我认为我绘制错误的数据，因为结果的绘图只有一个点(准确性)。
这是我使用的代码：
set.seed(55)
data.controls <- cforest_unbiased(ntree=100, mtry=3)
data.rf <- cforest(type ~ ., data = dataset ,controls=data.controls)
pred <- predict(data.rf, type="response")
preds <- prediction(as.numeric(pred),
浏览 1提问于2013-11-14得票数 3
2回答
我在R中构建了一个玩具随机森林模型(使用来自caret包的German Credit数据集)，并在PMML 4.0中导出它，并使用Cascading Pattern库部署到Hadoop上。
我遇到了一个问题，Cascading Pattern对相同数据的评分(在二进制分类问题上)与R中的相同模型不同。在200个观察中，有2个得到了不同的分数。
为什么会这样呢？这是否是由于随机森林的执行情况不同造成的？
浏览 6提问于2014-10-17得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
