时序数据Sklearn随机森林中的缺失值
时序数据是指按照时间顺序排列的数据集合。Sklearn是一个流行的机器学习库，提供了丰富的机器学习算法和工具。随机森林是Sklearn中的一种集成学习算法，它由多个决策树组成，通过对每个决策树的预测结果进行平均或投票来进行最终的预测。
在时序数据中，缺失值是指数据序列中某些时间点上缺少数值的情况。缺失值可能由于各种原因产生，例如传感器故障、数据采集错误或者数据丢失等。处理缺失值对于时序数据分析非常重要，因为缺失值可能会导致模型训练和预测的不准确性。
在Sklearn中，处理时序数据中的缺失值可以采用以下几种方法：
- 删除缺失值：最简单的方法是直接删除包含缺失值的样本或时间点。这种方法适用于缺失值较少的情况，但会导致数据的减少。
- 插值填充：可以使用插值方法来填充缺失值，例如线性插值、多项式插值或者样条插值。这种方法可以保留数据的整体趋势，但可能会引入一定的误差。
- 前向填充或后向填充：可以使用前一个时间点或后一个时间点的数值来填充缺失值。这种方法适用于数据变化较为平缓的情况。
- 均值填充或中位数填充：可以使用整个时间序列的均值或中位数来填充缺失值。这种方法简单快速，但可能会导致数据的失真。
- 使用模型预测：可以使用其他特征来预测缺失值，例如使用回归模型或时间序列模型来预测缺失值。这种方法可以更准确地填充缺失值，但需要额外的模型训练和计算。
对于Sklearn随机森林中的缺失值处理，可以根据具体情况选择适当的方法。在实际应用中，可以根据数据的特点和需求进行选择，并进行实验和评估来确定最佳的处理方法。
腾讯云提供了多个与机器学习和数据分析相关的产品和服务，例如腾讯云机器学习平台（https://cloud.tencent.com/product/tcmlp）、腾讯云数据仓库（https://cloud.tencent.com/product/dw）、腾讯云数据湖（https://cloud.tencent.com/product/datalake）等。这些产品和服务可以帮助用户进行数据处理、模型训练和预测分析等工作。
相关·内容
1回答
我发现了，答案是否定的，sklearn随机森林分类器不能处理分类变量(或者至少不是直接处理)。答案在2020年改变了吗？
我想将gender作为我的模型的一个特性。然而，gender可以具有三个值：M、F of np.nan。如果我将这个列编码成三个二分列，随机森林分类器如何知道这三个列代表一个特性？
假设max_features = 7，当训练一棵树时，它会随机选择七个特征。假设选择了gender。如果gender被分成三列(gender_M、gender_F、gender_NA)，那么随机森林分类器是否总是选择所有三列并将其计算为一个特性，还是只选择一个或两个？
浏览 1提问于2020-04-30得票数 4
回答已采纳
我试图将随机林分类器应用于一组具有混合数据类型的数据；特别是它同时具有浮点数和字符串。我意识到我可以使用类似于一种热编码的方法来转换字符串，但我的理解是，随机森林的好处之一是能够混合数据类型。因此，考虑到这一点，我使用loadtxt将数据加载到结构化数组中：
dtypes = np.dtype([
('height', np.float32), ...
])
X = np.loadtxt("dataset.csv", delimiter=",", dtype=dtypes, usecols=tuple(range(len(dtypes))
浏览 1提问于2014-06-16得票数 0
回答已采纳
我想在随机森林的分类问题中评估2000x60数据集的每个特性的重要性。
最广泛使用的显然是：
交叉熵-信息增益
基尼重要性(__SkLearn implementation `feature_importances`_)
均方误差(__H2O与h2o.varimp__实现)
在这个研究论文中，我还发现了关于变量在随机森林中的重要性的一些其他度量的相当简洁的概述。
这些建议如下：
阿尔特曼
博鲁塔
排列
递归相对变量重要性
递归特征消去
维塔
VSURF
有没有人用过这些，哪一种最能为他/她的模型提供信息？
在随机森林中，你有任何其他的这类指标来衡量变化的重要性吗？
浏览 0提问于2018-08-30得票数 6
1回答
这样做的目的是让随机森林中的一棵树与决策树完全相等。
首先，我们加载所有的库，拟合一个决策树并绘制它。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.style.use('ggplot')
%matplotlib inline
import random
from pprint import pprint
import pdb
random.seed(0)
np.random.seed(0)
from sklearn.tree import DecisionTreeClass
浏览 0提问于2020-01-22得票数 3
回答已采纳
3回答
对random_state参数感到困惑，不确定为什么决策树训练需要一些随机性。我的想法是，(1)它与随机森林有关吗？(2)它与分裂训练测试数据集有关吗？如果是这样，为什么不直接使用训练测试拆分方法()？
>>> from sklearn.datasets import load_iris
>>> from sklearn.cross_validation import cross_val_score
>>> from sklearn.tree import DecisionTreeClassifier
>>> clf =
浏览 3提问于2016-08-26得票数 32
回答已采纳
1回答
随机森林回归中的树木预测
、、、
我在计算随机森林回归的可信度。在python的sklearn库中，我找不到这样的方法，因此我试图使用每棵树的预测之间的差异来计算它，但是我仍然找不到任何东西。你是否面对过这个问题，并有一个解决方案来帮助我计算信心？
浏览 3提问于2022-03-03得票数 0
在运行适应版本的sckitlearn plot_robust_fit.py时，我会得到一个随机错误(并不总是在同一次迭代中)。复制所需的所有文件都可以下载。
只要运行reg.py，您很可能会得到错误。
追溯是：
Traceback (most recent call last):
File "/Users/geoffroy/git/sfinder_2/reg/reg.py", line 118, in <module>
model.fit(X, acluster_y)
File "/Library/Python/2.6/site-packages/skl
浏览 7提问于2015-10-22得票数 1
回答已采纳
1回答
据我所知，来自ExtraTreesRegressor的sklearn的工作方式是进行随机分割，而不是最小化一个度量，比如gini用于分类，mae用于回归。
我不明白为什么有一个criterion参数，因为分裂的标准应该是随机的。
这只是为了代码兼容性，还是我遗漏了什么？
浏览 2提问于2020-06-17得票数 1
回答已采纳
1回答
我有一个包含实值和一些NaN值的dataframe data。我试图使用随机投影来执行局部敏感散列，以将维度减少到25个组件，特别是使用sklearn.random_projection.GaussianRandomProjection类。但是，当我运行时：
tx = random_projection.GaussianRandomProjection(n_components = 25) data25 = tx.fit_transform(data)
我得到了Input contains NaN, infinity or a value too large for dtype('fl
浏览 3提问于2015-06-17得票数 1
1回答
我是在调优随机森林的超参数，我想调优每棵树的最大特性的参数。通过sklearn的，它是：
在寻找最佳拆分时要考虑的特性数量:如果为int，则在每次拆分时考虑max_features特性。
如果浮动，那么max_features是百分比，int(max_features * n_features)特性在每次拆分时都会被考虑。
如果“自动”，则max_features=sqrt(n_features)。
如果“sqrt”，则max_features=sqrt(n_features) (与“auto”相同)。
如果“log2”，则max_features=log2(n_fea
浏览 1提问于2018-09-11得票数 1
回答已采纳
我注意到在Python中有两种可能的XGBoost实现，如和所讨论的
当我尝试通过这两种可能的实现运行相同的数据集时，我注意到结果是不同的。
码
import xgboost as xgb
from xgboost.sklearn import XGBRegressor
import xgboost
import pandas as pd
import numpy as np
from sklearn import datasets
boston_data = datasets.load_boston()
df = pd.DataFrame(boston_data.data,columns=
浏览 5提问于2019-12-18得票数 1
我想使用SelectFromModel为我的模型选择最好的功能。然而，当我想要定义分类模型时，我得到了一个错误。
例如(参见下面的代码)这个代码可以工作，它也可以用于决策树、随机森林和逻辑回归：
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.feature_selection import RFE, SelectFromModel
from sklearn.svm import SVC
from sklearn.tree im
浏览 2提问于2019-08-19得票数 0
如果这个问题更好地放在CrossValidated中，让我知道。我认为我应该从这里开始，因为它主要是关于机器学习算法中的特定错误的问题，而不是关于方法或方法的问题。
我正在做一个机器学习项目，在Kaggle上通过COVID预测美国县的死亡人数。为了调优随机森林回归器的超参数，我使用了sklearn的类，但是如果适合它，将抛出一个IndexError: positional indexers are out-of-bounds，尽管回溯只引用pandas模块。当通常在没有RandomizedSearchCV的情况下拟合随机森林回归器并使用更简单的拆分方法(无交叉验证)时，不会发生这种情况。
起初
浏览 0提问于2020-06-10得票数 0
1回答
基本上，我想看看在随机森林上做一个受惩罚的回归是否能帮助获得比随机森林本身更好的预测。
我所做的：
I清理了数据集，删除了离群点，等等，obs))Performed 在训练数据集上做了一次训练集分割测试(0.75 (19693 obs) - 0.25 (6565 ，随机森林))，然后对测试集进行预测，得到一个(6565,)数组，所有的(6565,)搜索最佳随机森林，得到最优随机森林的最佳树数( n_estimators)，并使用下面的代码predictions_all = np.array([tree.predict(test_features) for tree in rf.estimato
浏览 13提问于2019-10-17得票数 0
1回答
我已经在泰坦尼克数据集上实现了一个标准的随机森林分类器，并希望探索sklearn的decision_path方法，它是在v0.18中引入的。()
然而，它输出一个稀疏矩阵，我不确定如何理解。有谁能建议怎样才能最好地想象这一点呢？
#Training a simplified random forest
estimator = RandomForestClassifier(random_state=0, n_estimators=3, max_depth=3)
estimator.fit(X_train, y_train)
#Extracting the decision path for i
浏览 4提问于2017-03-14得票数 5
我将不同林区不同鸟类的缺席数据作为响应变量。作为预测变量，我有森林的大小和每个森林记录的树木数量。
我想把森林作为一个随机因素来考虑我们无法测量的变量。我怎样才能做到这一点呢？使用混合效果逻辑回归是最好的吗？
浏览 6提问于2021-10-05得票数 1
我正在尝试从scikit learn集合中打印出森林的决策树:例如，对于DecisionTreeClassifier，我将使用：
from sklearn import tree
clf = tree.DecisionTreeClassifier( criterion ='entropy', max_depth = 3,
min_samples_leaf =
clf = clf.fit( X_train, y_train) #Input this to analyze the training set.
import pydot, StringIO
dot_da
浏览 2提问于2013-12-30得票数 5
1回答
我是一个完全初学者，我试图比较不同的方法处理丢失的数据。为了评价每种方法(缺失值下降的数据、错误率大于40%的丢列、均值归零、LogReg精度)对训练集的影响，将缺失值为10%、缺失值为20%的数据集与原始完整数据集的结果进行了比较。不幸的是，即使在完整的数据集和丢失20%的数据集之间，我也得到了几乎相同的结果。我不知道我做错了什么。
from numpy import nan
from numpy import isnan
from pandas import read_csv
from sklearn.impute import SimpleImputer
浏览 4提问于2022-01-15得票数 0
我试图使用RandomForestClassifier来解决nlp问题，但是当我使用predict_log_proba方法时，我得到了一个零错误除法。我查看了predict_proba方法的结果，发现原因是某些类的某些概率(总共有6个类)为0。因此，当predict_log_proba试图将np.log应用到0时，它将得到一个错误。有参数可以避免这个问题吗？
我知道在随机森林分类器上可以正确地使用predict_log_proba，因为我看到了这个示例代码使用它，它运行得很好：
我正在使用sklearn 0.19和RandomForestClassifier的默认参数值。
浏览 2提问于2017-09-04得票数 2
回答已采纳
1回答
我有一个332列的数据格式。我想要计算值，以便能够使用scikit-learn的决策树分类器。我的问题是，从imputer函数得到的结果数据的列只有330。
from sklearn.preprocessing import Imputer
imp = Imputer(missing_values='NaN', strategy='mean', axis=0)
cols = data.columns
new = imp.fit_transform(data)
print(data.shape,new.shape)
(34132, 332) (34132, 33
浏览 0提问于2016-08-11得票数 4
我正在构建一个标准的RandomForest分类器(名为模型，请参阅下面的代码)。现在，我希望得到一个随机森林分类器的所有参数(包括它的树(估计器))，这样我就可以手动绘制Randomforest分类器的每个树的流程图。我想知道有没有人知道该怎么做？
提前谢谢你。
曼赫
#Import Library
from sklearn.ensemble import RandomForestClassifier #use RandomForestRegressor for regression problem
#Assumed you have, X (predictor) and Y (target
浏览 0提问于2017-06-19得票数 6
我正在使用scikit learn进行一些数据分析，而我的数据集有一些缺失值(用NA表示)。我用genfromtxt和dtype='f8'加载数据，然后开始训练我的分类器。
RandomForestClassifier和GradientBoostingClassifier对象的分类很好，但从sklearn.svm使用SVC会导致以下错误：
probas = classifiers[i].fit(train[traincv], target[traincv]).predict_proba(train[testcv])
File "C:\Python27\lib
浏览 0提问于2012-07-12得票数 26
回答已采纳
sklearn中的SVC有一个decision_function函数，但是为什么随机森林没有呢？其次，如何为RandomForestsClassifier模拟decision_function？
浏览 0提问于2016-12-20得票数 2
2回答
我有一个由;分隔的具有Encoding: latin-1的Pandas数据帧。size: 350000 x 3800的数据量几乎是非常大的。我最初想使用sklearn，但是我的数据帧缺少值(NAN values)，所以我不能使用sklearn的随机森林或GBM。因此，我不得不使用H2O's分布式随机森林来训练数据集。主要的问题是当我执行h2o.H2OFrame(data)时，数据帧不能有效地转换。我检查了提供Encoding选项的可能性，但文档中没有任何内容。
有人知道这是怎么回事吗？任何线索都能帮到我。我还想知道是否有其他像H2O这样的库可以非常有效地处理NaN值？我知道我们可以推算
浏览 2提问于2017-10-27得票数 18
1回答
我试图在数据集上应用Gaussian Naive Bayes模型来预测疾病。当我预测使用训练数据时，它的运行是正确的，但是当我试图预测使用测试数据时，它给了ValueError。
runfile(‘D:/ROFI/ML/心脏病/Prediction.py’，wdir=‘D:/ROFI/ML/心脏病’)回溯(最近一次调用)：
文件""，第1行，在runfile中(‘D:/R菲/ML/心脏病/pretion.py’，wdir=‘D:/R菲/ML/心脏病’)
文件"C:\Users\User\Anaconda3\lib\site-packages\spyder\utils\
浏览 1提问于2017-06-19得票数 0
回答已采纳
2回答
在泰坦尼克号机器学习中的train.csv数据项目中，一些乘客的年龄数据丢失了，因此熊猫模块将其填充为“NaN”，并且当将其输入sklearn算法时，它不接受它。我尝试过dataset.fillna('')，但现在它变成了一个空字符串，而不是一个浮点数。请派人来帮忙。
import pandas as pd
from sklearn.cross_validation import train_test_split
dataset = pd.read_csv('train.csv')
#dataset = dataset.fillna()
def prepro
浏览 0提问于2017-12-22得票数 2
1回答
我不明白为什么我有三种不同的行为取决于我使用的分类器，即使它们应该并驾齐驱。
这就是要深入探讨这个问题的代码：
from sklearn import datasets
from sklearn.ensemble import RandomForestClassifier
from sklearn.tree import DecisionTreeClassifier
from lightgbm import LGBMClassifier
from sklearn.model_selection import cross_validate
import matplotlib.pyplot as
浏览 7提问于2022-07-20得票数 1
回答已采纳
我正在尝试在python sklearn中对this数据集运行线性回归。我想要估算NaN的值，并且在三个特定的列中，我想用NaN替换零，这样我也可以估算这些值。注意:还有其他不需要归因于零的列。 对于补偿，我尝试使用ColumnTransformer，然后使用管道来运行线性回归。我引用了this的文章作为参考。但是，我得到了一个错误：ValueError: Specifying the columns using strings is only supported for pandas DataFrames 是否有人可以验证我的流程，如果我做错了什么，请让我知道？ df[['perc
浏览 53提问于2021-04-30得票数 0
回答已采纳
5回答
随机森林交叉验证的参数整定
、、、、
我训练一个二进制随机森林分类器的科学知识-学习的20个新闻组数据集。我想调整参数，并尝试通过网格搜索和3倍交叉验证的培训数据。
这种方法有什么问题吗？
对于max_depth参数，我得到了一个很高的值500，这似乎太高了。有什么建议吗？
守则是：
from __future__ import print_function
import sklearn
import sklearn.ensemble
import sklearn.metrics
from sklearn.datasets import fetch_20newsgroups
from sklearn.grid_
浏览 0提问于2017-11-28得票数 1
我想使用KNN在一个滑雪管道中的分类特征(多个分类功能缺失)。
我对现有的KNN解决方案(fancyimpute，sklearn )做了相当多的研究。他们中没有一个人在用词上工作。
在滑雪板管道中工作
归责范畴特征
我的一些问题是(任何建议都受到高度赞赏)：
是否有任何现有的方法允许使用KNN (或任何其他回归体)将缺失的值(在本例中是绝对的)归责于sklearn管道。
fancyimpute KNN实现似乎没有使用hamming距离来计算缺失的值(这对于分类特性来说是理想的)。
是否有任何快速的KNN方法实现，考虑到KNN在计算缺失值时耗费时间(即，对整个数据集进
浏览 1提问于2019-09-03得票数 1
回答已采纳
1回答
这个例子摘自的“用Python进行深度学习”一书。它使用Keras库和Tensorflow后端建立了一个具有一个隐层(13，13，1)的完全连接的神经模型。
1-进口包装
import numpy
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasRegressor
from sklearn.model_selection import cross_val_score
from sklearn.model_selectio
浏览 0提问于2018-01-31得票数 0
回答已采纳
2回答
我有以下假设的RF和决策树一般，请纠正我，如果假设是不正确的。
它会处理丢失的值。
它处理异常值
它处理数据中的偏斜，因此不需要转换。
不需要功能缩放。
不需要特征选择。
如果我的观察是不正确的，请更正，因为您可以看到数据集中存在一个nan值错误。还有怎么纠正呢？
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
导入数据集
share3.info()
share2.isnull().sum()
XRD = share2.drop(['Close'], axis = 1)
YRD =
浏览 0提问于2020-04-22得票数 2
我试图对kaggle的泰坦尼克数据集的决策树分类器进行交叉验证。清理数据后的第一步是将数据分割成火车和测试设备：
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(train, Y, test_size=0.2, random_state=0)
然后将数字转换为缩放值：
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
x_train = sc.
浏览 0提问于2020-02-18得票数 1
回答已采纳
from sklearn.linear_model import LinearRegression
ClosePrices = data['Close'].tolist()
OpenPrices = data['Open'].tolist()
OpenPrices = np.reshape(OpenPrices, (len(OpenPrices), 1))
ClosePrices = np.reshape(ClosePrices, (len(ClosePrices), 1))
regressor = LinearRegression()
regresso
浏览 0提问于2019-10-26得票数 1
回答已采纳
5回答
假设我有一个分类特征，即颜色，它采用以下值
“红色”，“蓝色”，“绿色”，“橙色”，
我想用它来预测随机森林中的一些东西。如果我只对它进行一次热编码(即我将它更改为四个虚拟变量)，我如何告诉sklearn这四个虚拟变量实际上是一个变量？具体来说，当sklearn随机选择要在不同节点上使用的特性时，它要么应该将红色、蓝色、绿色和橙色的假人放在一起，要么不应该包含其中的任何一个。
我听说没有办法做到这一点，但我想，必须有一种方法来处理分类变量，而不是任意将它们编码为数字或类似的东西。
浏览 12提问于2014-07-12得票数 77
回答已采纳
我了解到Sklearn将多类分类问题视为二进制问题的集合。引用Sklearn用户指南：
在将二进制度量扩展到多类或多标签问题时，数据被视为二进制问题的集合，每个类都有一个问题。
因此，像LogisticRegression或支持向量矩阵这样的二进制分类模型可以通过使用1-VS-1或1-VS-Rest策略来支持多类情况。我想知道RandomForestClassifier是否也是这样？在Sklearn中的其他分类器呢?在处理多类问题时，它们是否都被用作隐藏的二进制分类器？
浏览 9提问于2021-06-02得票数 0
回答已采纳
2回答
我已经建立了一个使用决策树和随机森林的模型。但是，当我试图在同一个DataFrame上测试模型时，输出是不同的。这怎麽可能？
我回购的数据文件：
#This is the function to help me preparing the dataframe
def process_df_for_ml(df):
"""
Process a dataframe for model training/prediction use.
Returns X/y tensors.
"""
df = df.copy(
浏览 0提问于2019-11-02得票数 3
回答已采纳
我使用sklearn来推断一些时间序列，其中包括NaN值。目前，我使用以下方法：
from sklearn.preprocessing import Imputer
imp = Imputer(missing_values='NaN', strategy='mean')
signals = imp.fit_transform(array)
其中array是形状为n_points x n_time_steps的numpy数组。它工作得很好，但是我收到了一个不推荐的警告，建议我应该使用来自sklearn.impute的sklearn.impute。因此，我将这些行替
浏览 0提问于2019-07-17得票数 1
回答已采纳
1回答
我尝试使用随机森林来对我的数据进行分类，但是当我生成分类器概率时，它的值总是在5位数字内，如0，0.1，0.2，... 1。这是统计问题还是软件问题？我在mac10.7.5上的scikit-learn ensemble for python2.7.3中使用了RandomForestClassifier。我的数据看起来像这样：
y x1 x2 x3 x4...
0 23 4 0
1 102 2 0
1 12 17 1
响应变量y是二进制的。有15个特征，都是实数或整数值，其中一些是二进制的。我有大约2000个训练点和500个测试。我将树的数量
浏览 2提问于2013-01-27得票数 4
回答已采纳
1回答
我正在构建一个logistic回归模型，并希望了解对我的输出贡献最大的特性(1或0)。试图了解如果一个客户回到我的网站，是什么功能使他们回来。我被这个合适的功能卡住了。我错了，我也搞不懂原因。它似乎表明我有一些空值，但是我已经清除了我的数据并删除了空值。
import pandas as pd
import numpy as np
from sklearn import preprocessing
import matplotlib.pyplot as plt
from sklearn.feature_selection import SelectKBest
from sklearn.feat
浏览 0提问于2020-02-02得票数 0
2回答
一个热编码保存NAs以进行归责
、、、、
我试图使用KNN来计算python中的分类变量。
为了做到这一点，一种典型的方法是对前面的变量进行热编码。但是sklearn ()不处理NAs，因此需要将它们重命名为创建单独变量的内容。
可复制的小例子：
import pandas as pd
import numpy as np
from sklearn.preprocessing import OneHotEncoder
from sklearn.impute import SimpleImputer
#Create random pandas with categories to impute
data0 = pd.DataFrame
浏览 9提问于2021-03-10得票数 0
回答已采纳
我有一个数据框架，其中包含这样的数据：
ID category
ID2 category
Sex category
Cysts category
Death category
Years int64
Group category
数据的一个例子：
0 11090 1 0 0 0 46 1
1 10336 5 0 0 1 60 2
2 8117 8 1 0 1 39 1
3 10262 9 0 0 1 37 5
4 11084 10 0 0 1 4
浏览 7提问于2022-03-25得票数 0
回答已采纳
1回答
我是机器学习的新手，我想用随机森林来解决我的问题。到目前为止，我已经完成了原始数据集的80/20分割。
我需要了解在建立随机森林模型时接下来会发生什么。我知道下一步是从用于培训的80%的部分中随机抽取一个样本(带替换)，并使用这个引导数据集来构建一个决策树。让我们假设我有5个特性/列，为了选择一个根节点，将选择这5个特性中的一个随机子集，而具有最高Gini index的变量是root.Let，我们假设功能2是根。
接下来，选择其余4个特性的随机子集来为根节点创建子节点。让我们假设特性1和5被选中。
我的问题是：
1-在为特性1和5获得Gini index并假设节点1具有较高的索引值之后，如何知
浏览 0提问于2023-03-20得票数 1
回答已采纳
我对cross_val_score()在sklearn上遇到了一些困难。
我用以下代码实例化了一个KNeighborsClassifier：
clf = KNeighborsClassifier(n_neighbors=28)
然后，我将使用交叉验证来了解此分类器在我的特征df (x)和目标序列(y)上的准确性，如下所示：
cv_score_av = np.mean(cross_val_score(clf, x, y, cv=5))
每次运行脚本时，我都希望获得不同的结果，但是没有一个选项可以像RandomForestClassifier()那样设置RandomForestClassifier
浏览 2提问于2020-05-10得票数 0
回答已采纳
我正在使用Sklearn进行功能选择：
基于树的特征选择: RandomForestClassifier.feature_importances_
基于L2的特征选择: LogisticRegression.coef_
目标变量是二进制类。培训集是标准化的。
当某一特征在随机森林估计中表现出显著的重要性，而在Logistic回归中表现为负系数时，该如何解释？
浏览 0提问于2019-09-19得票数 1
回答已采纳
代码：
import os
import pandas as pd
data_folder = os.path.join(os.path.expanduser("~"),"data","Ads")
data_filename = os.path.join(data_folder,"ad.data")
def convert_number(x):
try:
return float(x)
except ValueError:
return np.nan
from collections
浏览 0提问于2016-09-29得票数 0
1回答
我正在训练一个随机森林模型，使用sklearn作为图像。我了解到，通过增加模型的深度，决策树可以扩展，可以包含更多的颜色。
不过，我不明白增加模型中的树数是如何影响色块数量的。我的印象是，树的数量被用来对值进行平均化，消除偏见--所以我的印象是，盒子的划分可能会改变，但颜色的总数量将保持不变(因为你仍然有相同的决策数量)。在运行1，3，5，10,100的树模型时，我确实看到，有100棵树的模型确实通过框的阴影有更多的颜色补丁。
有人能给我解释一下为什么增加树木的数量似乎会增加颜色斑块的数量吗？
浏览 1提问于2020-11-09得票数 0
回答已采纳
我正在使用sklearn的随机森林分类器来构建一个模型，当我使用它进行预测时，我想知道是否有一种方法可以获得预测的确定性级别(即预测该类别的树的数量)？
浏览 9提问于2017-12-31得票数 2
回答已采纳
我有数据集，既有NaN和inf值，我正在寻找线性回归库，可以采取NaN和inf值。我在过去使用过sklearn，但也看到linregress使用得很多，但两个库都需要预先删除NaN和inf的值。 谢谢你的建议
浏览 21提问于2020-12-21得票数 0
回答已采纳
1回答
Python中的代理划分
、、、、
我想使用Sklearn的RandomForestClassifier来预测分类变量(信用风险)。但其中一个预测因素似乎缺少价值：
Saving accounts
little 603
NaN 183
moderate 103
quite rich 63
rich 48
这一预测指标似乎是预测信用风险的最有力指标，但几乎有20%的数据缺失。谓词是自然排序的，所以我不想创建'NaN‘类别。
一些决策树允许使用代理变量来处理这些缺失的值，但是Sklearn的树/林没有这个特性。所以问题是--是否有一个类似Sklearn的
浏览 0提问于2023-02-13得票数 2
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
