PySpark训练随机森林管道
PySpark是一种基于Python的Spark编程接口，它提供了一种高效的分布式计算框架，用于处理大规模数据集。训练随机森林管道是PySpark中的一个机器学习任务，它结合了随机森林算法和管道技术。
随机森林是一种集成学习算法，通过组合多个决策树来进行分类和回归。它的优势包括：
- 高度准确性：随机森林能够处理高维数据和大规模数据集，并且具有较高的准确性。
- 抗过拟合：随机森林通过随机选择特征和样本来构建多个决策树，从而减少了过拟合的风险。
- 可解释性：随机森林能够提供特征的重要性排序，帮助理解数据集中的关键特征。
- 并行计算：PySpark的分布式计算能力使得随机森林能够在大规模数据集上高效地进行训练和预测。
随机森林管道是PySpark中的一个功能，它将数据处理和模型训练流程组合在一起，形成一个完整的机器学习流水线。通过管道，可以将数据预处理、特征工程和模型训练等步骤有序地连接起来，简化了机器学习任务的开发和部署过程。
在腾讯云中，可以使用Tencent ML-Platform（腾讯机器学习平台）来进行PySpark训练随机森林管道。该平台提供了丰富的机器学习工具和资源，支持大规模数据处理和分布式计算。您可以通过以下链接了解更多关于Tencent ML-Platform的信息：Tencent ML-Platform产品介绍
总结：PySpark训练随机森林管道是一种利用PySpark进行机器学习任务的方法，结合了随机森林算法和管道技术。它具有高准确性、抗过拟合、可解释性和并行计算等优势。在腾讯云中，可以使用Tencent ML-Platform来进行PySpark训练随机森林管道。
相关·内容
1回答
随机林火花加工数据
、、、、
使用的答案，我能够使用ml.classification.RandomForestClassifier训练一个随机森林，并使用经过训练的随机森林处理一个不确定的数据。
我的问题是，我想保存这个经过训练的随机森林，以便在将来处理任何数据(具有与训练集相同的特性)。
使用mllib.tree.model.RandomForestModel，它展示了如何保存经过训练的森林，但据我所知，只能在(并在将来处理) LabeledPoint RDD上进行培训。我在LabeledPoint RDD中遇到的问题是，这只能包含标签双和特征向量，因此我将失去所有用于其他目的所需的非标签/非功能列。
因此，我想我需要
浏览 3提问于2016-01-24得票数 0
回答已采纳
我正在尝试使用pyspark，CrossValidator和BinaryClassificationEvaluator，CrossValidator来优化一个随机森林模型，但是当我这样做的时候，我会得到一个错误。这是我的密码。
from pyspark.ml.evaluation import BinaryClassificationEvaluator
from pyspark.ml.classification import RandomForestClassifier
from pyspark.ml.feature import VectorAssembler
from pyspark.m
浏览 2提问于2020-04-16得票数 0
回答已采纳
1回答
我有一个数据集，由一组预测器(大部分是无界或正实数)和一个我希望预测的响应变量组成。反应通常是零的--大约90%的时间。我尝试过用标准的高斯过程方法以及随机森林来模拟这个问题。然而，在这两种情况下(尽管在使用随机森林时大多数情况下)，模型似乎处理数据很差，通常预测非零响应。现在，如果预测的响应实际上非常接近于零，我可以设置一个截断值，在此以下值将被舍入为零，但在许多情况下，它们是明显非零的。
我的解决方案是训练两个模型:一个在整个训练集上训练的分类模型，它预测一个变量是零还是非零，以及一个回归模型只训练在训练集中的行上，并且有一个非零的响应。然后，我将首先使用分类模型来预测哪些观测值的响应准确
浏览 0提问于2017-04-18得票数 1
回答已采纳
1回答
我有一个具有以下会话定义的pyspark 2.0.0脚本：
spark = SparkSession \
.builder \
.appName("Python Spark") \
.master("local[*]")\
.config("spark.some.config.option", "some-value") \
.getOrCreate()
我训练了一个随机森林模型，我想拯救它。因此，我调用以下方法：
model_rf.save( spark, "/home/Deskt
浏览 0提问于2016-12-21得票数 5
回答已采纳
我用Python训练了一个随机森林算法，并希望用PySpark在一个大数据集上应用它。
我首先加载了经过训练的sklearn模型(使用joblib)，将包含这些特性的数据加载到Spark数据框架中，然后添加了一个带有预测的列，该列具有用户定义的函数，如下所示：
def predictClass(features):
return rf.predict(features)
udfFunction = udf(predictClass, StringType())
new_dataframe = dataframe.withColumn('prediction',
udf
浏览 6提问于2017-05-31得票数 8
回答已采纳
我喜欢装袋对每棵树的训练集进行随机重采样，随机森林为每棵树随机选择特征的子集。
我的问题是，随机森林是否也会对训练集以及随机特征子集进行重新采样。它实际上是双随机的吗？
浏览 7提问于2017-12-13得票数 1
回答已采纳
1回答
当我在python中使用scikit learn构建我的随机森林模型时，我设置了一个条件( sql查询中的where子句)，以便训练数据只包含值大于0的值。
我很想知道随机森林如何处理值小于0的测试数据，这是随机森林模型在训练数据中从未见过的。
浏览 11提问于2016-08-17得票数 0
回答已采纳
据我所知，随机森林是树木套袋的程式化版本。我们选择随机数据点和随机特征来构造随机森林。
但是，如果我们只使用普通版本的套袋，只随机选择数据点，那么我们就有了树，它们已经训练了更多的特征，不像样式化版本中的随机森林。由于学习具有更多的特征，每个个体树都有更多关于数据点的信息，因此在某种意义上比随机森林中的个体树更“智能”。
那么，为什么使用套袋的程式化版本的随机森林比使用普通套袋实现的随机森林表现更好呢？
我知道，使用样式化版本的随机森林提供了一个更低的方差模型，但是由于每个树都接受了一些特性的训练，难道不应该让模型偏高一点吗？
浏览 0提问于2017-07-10得票数 4
回答已采纳
我想在一个数据集上训练一个随机森林模型。我知道“标准方法”，我们将丢失的数据归算在训练集中，使用相同的估算规则对测试集进行计算，然后在所估算的训练集上训练随机森林模型，并使用相同的模型对测试集进行预测(可能需要多次估算)。
我想要理解的是与以下方法的不同之处，我想使用该方法：
根据缺失的模式对数据集进行子集。为每一种缺失的模式训练随机森林模型。使用对缺失模式A进行训练的随机森林模型来预测缺少模式A的测试集中的数据。使用在模式B上训练的模型来预测模式B的测试集的数据，等。
这个方法的名称是什么？这两种方法的统计优缺点是什么？如果有人能给我介绍一些关于第二种方法的文献，或者两种方法的比较，我将非常
浏览 3提问于2020-04-12得票数 1
1回答
随机森林对LightGBM
有人能解释一下随机森林和LightGBM之间的详细区别吗？算法是如何在引擎盖下工作的呢？
根据我从文件中的理解：
LightGBM和RF在树的构建方式上有所不同:顺序和结果的组合方式。结果表明，如果对参数进行仔细调整，GBM的性能要优于射频。
随机森林: RFs使用随机数据样本对每棵树进行独立的训练。这种随机性有助于使模型比单个决策树更健壮，并且更不适合于训练数据。
我的问题是
什么时候人们会在梯度增强机器上使用随机森林？
与随机森林相比，使用梯度增强法有什么好处/缺点？
浏览 0提问于2019-11-18得票数 9
回答已采纳
在Matlab中，我们使用TreeBagger()方法对随机森林进行训练。此方法的参数之一是树的数量。我使用随机森林作为分类方法。如何确定随机森林的树木数量？
浏览 0提问于2018-10-22得票数 2
2回答
随机森林是一种健壮的算法。在随机森林中，它训练了几棵小树，并具有OOB准确性。然而，是否有必要同时对随机森林运行交叉验证？
浏览 0提问于2013-03-25得票数 2
回答已采纳
我用pySpark训练随机森林。我想要一个csv和结果，在网格中的每个点。我的代码是：
estimator = RandomForestRegressor()
evaluator = RegressionEvaluator()
paramGrid = ParamGridBuilder().addGrid(estimator.numTrees, [2,3])\
.addGrid(estimator.maxDepth, [2,3])\
.addGrid(estimator.imp
浏览 0提问于2018-07-08得票数 4
回答已采纳
1回答
我相信，在随机森林中，我们选择随机样本的训练数据进行替换。我的问题是，我们仍有可能遗漏一些数据。那是怎么回事。它不影响随机森林训练吗？我们是否会在某个时候使用遗留下来的东西。
浏览 0提问于2019-04-26得票数 3
我是R方面的新手，我需要知道如何绘制从随机森林训练模型中选择的树，该模型是使用插入符号包中的train ()函数创建的。
首先，我使用一个训练数据集来使用()函数创建一个随机森林的拟合模型。创建的随机森林包含大约500棵树。是否有任何方法来创建一个选定的树的地块？
谢谢。
浏览 1提问于2018-07-01得票数 0
我正在尝试提取我使用PySpark训练的随机森林对象的特征重要性。但是，我在文档中没有看到这样做的示例，也不是RandomForestModel的方法。
如何在PySpark中从RandomForestModel回归器或分类器中提取特征重要性？
以下是文档中提供的示例代码，用于帮助我们入门；但是，其中并没有提到特性的重要性。
from pyspark.mllib.tree import RandomForest
from pyspark.mllib.util import MLUtils
# Load and parse the data file into an RDD of Labele
浏览 2提问于2015-03-11得票数 16
我已经使用R中的<code>D0</code>包使用训练集训练了一个随机森林模型。训练集中的一个变量是character class，我将其转换为<code>D1</code>。
但是，测试集中的相同变量仍然是character。但我惊讶地发现，我仍然可以从我训练的随机森林模型中获得预测，即使该变量是一个字符类。我还发现，如果我还将测试集中的变量转换为<code>D2</code>，那么测试集上的性能就会不同。
那么，有谁知道R是如何解释的，随机森林模型如何读取和处理测试集中的字符变量，而训练集中的相同变量不是字符类？
提
浏览 10提问于2020-08-05得票数 0
我试图在一些不平衡的数据集上实现一个加权随机森林模型。
下面是我想做的事情:我在Google上运行了一个木星笔记本，运行着一个星团。
我首先安装：
!apt-get update -qq > /dev/null
!apt-get install openjdk-8-jdk-headless -qq > /dev/null
!wget -q https://downloads.apache.org/spark/spark-2.4.8/spark-2.4.8-bin-hadoop2.7.tgz
!tar xf spark-2.4.8-bin-hadoop2.7.tgz
!pip ins
浏览 5提问于2022-04-08得票数 0
在对随机森林进行训练后，我想知道森林中每棵树的叶子数是多少。
例如，如果我训练一个有10棵树的森林，我想得到一个有10个条目的向量，其中第i个条目是第i个树中的叶子数量。
谢谢!
浏览 1提问于2013-02-04得票数 1
1回答
我是机器学习的新手，我正在努力消除随机森林中的袋外错误及其使用。
假设我们有一个数据集。首先，我们使用整个数据集(不分裂它)得到一个随机森林及其袋外错误。然后对数据集进行分割，在训练部分进行神经网络训练，并在数据集的测试部分进行测试。
通过比较随机森林的包外误差和神经网络的总检验误差，可以在这两种模型之间进行选择吗？说得通吗？
浏览 0提问于2020-09-03得票数 1
回答已采纳
我正在尝试提取我使用PySpark训练过的随机森林对象的类概率。但是，我在文档中没有看到它的一个例子，也不是RandomForestModel的一个方法。
如何从RandomForestModel分类器中提取PySpark中的类概率？
下面是文档中提供的示例代码，它只提供最后一个类(而不是概率)：
from pyspark.mllib.tree import RandomForest
from pyspark.mllib.util import MLUtils
# Load and parse the data file into an RDD of LabeledPoint.
data =
浏览 1提问于2015-03-02得票数 9
回答已采纳
我刚开始使用Spark和Spark，我发现它比Python和sklearn困难得多。
开发时间要长得多，所以我想知道在任何(足够小的)数据集上工作并训练随机森林分类器的通用管道是否可行。理想情况下，我会创建一个类似于
def trainClassifier(df: DataFrame, labelColumn: String) {
...
}
Spark中的很多开发时间都花在将列编码成数值列上，然后利用这些特性形成一个向量，这样Spark的随机森林就可以使用它了。所以一个人最终会写成这样的文字
val indexer = new StringIndexer()
浏览 0提问于2017-08-16得票数 2
回答已采纳
1回答
我有一个Java应用程序，它在一个包含200K样本的训练集上训练一个MLlib随机森林(org.apache.spark.mllib.tree.RandomForest)。我注意到在训练过程中只使用了一个CPU核心。鉴于随机森林是N个决策树的集合，人们可能会认为这些树可以并行训练，从而利用所有可用的核心。是否有配置选项或API调用或其他任何东西可以启用决策树的并行训练？
浏览 0提问于2016-11-05得票数 0
1回答
模型与RMSE的比较
、、、、
我是数据科学方面的newby，我想寻求对模型选择的帮助。
我已经建立了8个模型，以预测工资与年度经验，职位名称和地点。然后，我试着比较了RMSE的8种型号。但最后，我不知道我应该选择哪种模式。(在我看来，我更喜欢模型8，因为经过随机森林测试后，结果要比回归好，然后我用所有的数据集做了最终版本，但解释coef比回归更难)你能帮助你选择哪一个模型，为什么？在现实中，数据科学家是这样做的，还是他们有自动处理的方法？
1 RMSElm1 :模型:线性回归，数据:训练80%，试验20%，无任何估算= 22067.58。
2 RMSElm2 2:模型:线性回归，数据:训练80%，测试20%：估算一些我认为
浏览 4提问于2018-10-18得票数 0
我最近读了一篇名为“使用深度神经网络进行政治图像分析”的论文，其中作者对图像进行了目标检测。在检测到对象之后，发现对象的字符串(如果它满足一定的概率阈值)被用作训练和测试图像类的随机森林分类器的特征。从论文中，他们试图根据在图像中发现的物体将图像分类为来自共和党或民主党参议院议员。
我正在尝试重新创建类似的东西，但我在寻找实现随机森林的第二个组件时遇到了麻烦。我能够成功地使用两个对象检测组件在图像上运行对象检测，但我在如何将这些组件提供给随机森林的计划中遇到了麻烦。
以下是我的数据框中的特征，为了简单起见，我只是将其分解为一些变量，其中-1,0,1的标签是我想要的标签。
labels_res
浏览 1提问于2019-04-08得票数 1
1回答
我有一个带有d_x输入特性和d_y输出的多输出回归问题。输出具有复杂的、非线性的相关结构。
我想使用随机森林来进行回归。据我所知，用于回归的随机森林只适用于单一输出，因此我必须训练d_y随机森林-每个输出一个。这忽略了它们之间的相关性。
是否存在考虑输出相关性的随机森林扩展？也许是像这样的。
谢谢。
浏览 7提问于2012-07-24得票数 1
我正在使用WEKA进行分类。我在Java代码中使用了WEKA jar文件。我的训练数据集有56000个实例和1253个特征。我正在使用简单的分类算法，如逻辑回归，J48，随机森林随机树等。我只能得到随机森林的结果。在为其他分类器建立训练模型的同时，我的程序持续运行了6-7个小时，但我没有得到任何结果或错误。
谁能建议一些更快的方法来在大数据集上训练WEKA分类器。
谢谢!
浏览 7提问于2016-07-10得票数 0
1回答
我希望使用pyspark.mllib.tree.RandomForest模块为我的观察得到一个接近矩阵。
直到现在，我的数据还很小，可以直接加载到内存中。因此，我使用sklearn.ensemble.RandomForestClassifier以以下方式获得邻近矩阵:假设X是包含特征的矩阵，Y是包含标签的向量。我训练随机森林来区分标签"0“和标签"1”的对象。有了经过训练的随机森林，我希望通过计算两个观测得到相同的最终节点(=叶)的决策树数，来测量数据集中的每对观测结果之间的接近程度。因此，对于100个决策树，两个观测值之间的接近度可以从0(永不落在同一最终叶子中)到100 (
浏览 0提问于2016-02-20得票数 5
回答已采纳
1回答
我使用Spark1.5.0 MLlib随机森林算法(Scala代码)进行两类分类.由于我使用的数据集是高度不平衡的，所以大多数类的抽样率下降了10%。
是否可以在星火随机森林训练中使用抽样权重(在这种情况下为10)？在随机森林中，我看不到trainClassifier()输入参数的权重。
浏览 3提问于2016-03-11得票数 7
回答已采纳
2回答
使用R中的randomForest包，我能够训练一个随机森林，以最小化总体错误率。然而，我想要做的是训练两个随机森林，一个先最小化假阳性率(~ 0)，然后是总体错误率，另一个是首先最大化灵敏度(~1)，然后是总体误差。该问题的另一个构造是:给定错误阳性率和灵敏度，分别训练满足其中一个速率的两个不同的随机森林，然后最小化总体错误率。有没有人知道是否有r包或python包，或任何其他软件可以做到这一点，或者如何做到这一点？谢谢你的帮助。
浏览 2提问于2015-07-29得票数 1
1回答
我有一个非常大的数据集，我想在数据集的分区上训练几个随机的森林模型，然后对这些模型进行平均，以得出我的最终分类器。由于随机森林是一种集成方法，这是一种直观上合理的方法，但我不确定是否可以使用scikit-learn的随机森林分类器。有什么想法吗？
我也会开放使用来自另一个包的随机森林分类器，只是不确定去哪里找。
浏览 0提问于2017-12-23得票数 1
1回答
我读过很多关于随机森林和梯度提升的文章，但是我不知道这两种算法是如何工作的。
例如，请参阅来自此链接的关于篮球的简单图片(图1)：
随机森林是如何工作的，梯度是如何提高的？随机森林中的每棵树有不同的训练数据和不同的特征吗？
关于我的问题我很抱歉，但我找不到一个简单的非数学答案。
浏览 0提问于2018-03-05得票数 0
2回答
我在学习蓝色机器学习。在一些步骤中，我经常遇到随机种子，
分裂数据
未经训练的算法模型，如两类回归，多类回归，树，森林，.
在本教程中，他们选择随机种子作为'123'；经过训练的模型具有很高的精度，但当我试图选择其他随机整数，如245,256，12,321，。它做得不好。
问题
什么是随机种子整数？
如何从整数值范围内仔细选择随机种子？选择它的关键或策略是什么？
为什么随机种子对训练模型的ML评分、预测和质量有显著影响？
托辞
我有和Sepal (长和宽)和花瓣(长和宽)
数据集中的最后一列是“二项式ClassName”。
我
浏览 0提问于2019-07-02得票数 0
回答已采纳
1回答
我想在Github中实现一个类似Linguist的语言分类器：-
我不知道随机森林在复杂性方面是否比贝叶斯更好。
每种编程语言都有大量的样本数据需要训练。
随机森林能胜过贝叶斯吗？
浏览 3提问于2015-04-01得票数 0
2回答
首先是一些背景信息，这在stats.stackexchange上可能更有趣：
在我的数据分析中，我尝试比较不同机器学习方法对时间序列数据(回归，而不是分类)的性能。例如，我训练了一个经过增强训练的模型，并将其与随机森林训练模型(R包randomForest)进行了比较。
我使用时间序列数据，其中解释变量是其他数据和因变量的滞后值。
由于某种原因，随机森林的表现严重不足。我能想到的问题之一是，随机森林对每棵树的训练数据执行一个抽样步骤。如果对时间序列数据这样做，则会完全消除该序列的自回归性质。
为了测试这个想法，我想将randomForest()函数中的(引导)采样步骤替换为所谓的分块引导步骤。
浏览 6提问于2015-08-17得票数 5
回答已采纳
1回答
我有一个包含499个观测和1412个变量的数据框架。我将数据帧分割成训练和测试集，用随机森林方法对卡莱特5倍交叉验证的训练集进行了尝试。我的问题是，随机森林方法的交叉验证是如何选择mtry值的？例如，如果您查看绘图，为什么过程不选择30作为mtry的状态值？
浏览 1提问于2018-01-02得票数 1
回答已采纳
1回答
我在R中使用randomForest pkg基于11个数值预测器来预测二进制类。在Hit或Miss这两个类中，Hit类更重要，即我想知道正确预测Hit的次数。
有没有办法让Hit在训练随机森林时具有更高的重要性？目前，经过训练的随机森林仅正确预测了7%的命中案例，并且肯定希望得到改进。
浏览 1提问于2015-03-17得票数 1
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
1回答
我是C++的新手，他试图实现Leo的随机森林算法。我在MATLAB中用语言编写了随机森林算法，我能够对我的博士论文进行98%的训练和测试，现在我需要使用C++来处理射频。我正在尝试使用算法库
g++ dataanalysis.cpp -o analyzer
我试着编译dataanalysis.cpp，结果出现了以下错误。
关于使用其他多类随机森林算法的建议(Breimen的原算法)
浏览 5提问于2014-02-28得票数 0
回答已采纳
在我的数据中，随机森林的输入大小是2052，数据大小只有300。在我的例子中，数据大小小于输入大小。但是，随机森林模型的准确率在90%以上。我将训练/测试数据除以80/20，而过度拟合从未发生过。
你知道，即使数据大小小于输入大小，随机森林模型如何取得良好的效果？
是的，我的数据是平衡的。F1评分也在90 %以上。
浏览 0提问于2021-09-15得票数 1
1回答
我是分布式处理的新手，我想要knowHow，我们可以使用分布式张量森林训练张量森林模型吗？我知道神经网络是如何实现的，但我不了解tensorforest，它是使用tensorflow框架的随机森林实现
浏览 0提问于2018-05-25得票数 0
1回答
我有一个包含3961个不同行和32列的训练数据，我希望将其适合随机森林和梯度提升模型。在训练时，我需要微调模型的超参数，以获得尽可能好的AUC。为此，我使用Scipy中描述的盆地跳跃算法最小化数量1-AUC(Y_real，Y_pred)；因此我的训练和内部验证子样本是相同的。
当优化完成后，我得到了随机森林的AUC=0.994，而对于梯度提升我得到了AUC=1。我是不是对这些模型过度拟合了？我怎么知道在训练过程中什么时候发生了过拟合？
浏览 10提问于2021-01-20得票数 0
4回答
也许这太长了。关于滑雪板随机森林的简单问题：
对于一个真实/错误的分类问题，在sklearn的随机森林中是否有一种方法可以指定用于训练每棵树的样本大小，以及真实和错误观测的比率？
详情如下：
在随机森林的R实现(称为randomForest )中，有一个选项sampsize()。这允许您根据结果来平衡用于训练每棵树的样本。
例如，如果您试图预测结果是正确还是错误，并且培训集中90%的结果是假的，则可以设置sampsize(500, 500)。这意味着，每棵树将被训练在一个随机样本(与替换)从训练集与500个真实和500个错误的观察。在这种情况下，我发现当使用50%的截断时，模型的预测效果要好
浏览 2提问于2013-11-27得票数 6
回答已采纳
有没有一种方法可以用决策树或随机森林模型进行迁移学习？具体地说，我想知道在Python语言中是否有一种好的简单的方法来实现这一点，使用Scikit-learn训练的模型。 我所能想到的就是在原始数据集上训练一个随机森林，当新数据到达时，训练新的树并将其添加到您的模型中。然而，我想知道这是不是一个好的方法，是否有其他更好的方法。
浏览 340提问于2021-05-11得票数 3
我正在使用R中的randomForestSRC包来创建生存森林。我有训练和测试数据集。通过使用训练数据集，生长树(随机森林)，并使用测试集，进行预测。
现在我想要得到预测生存输出的精度，我可以从预测output.But中获得错误率参数，不知道这是不是模型的精度，或者我们必须计算它的精度。
当我搜索相同的内容时，我可以看到正态随机森林的准确性可以使用混淆矩阵来计算。但不确定如何计算生存输出的准确性。
请让我知道，如何计算RandomForest生存模型的准确性。
浏览 8提问于2016-11-14得票数 2
对不起，我是聊天机器人的新手。
我正在尝试查看如何将dialogflow聊天机器人连接到随机森林，以便聊天机器人根据用户的输入逐字给出恰当的答案。我有一个训练有素的随机森林，但我正在寻找一些方法来连接这个随机流到对话流
浏览 0提问于2017-12-13得票数 1
我的目标是从经过训练的随机森林分类器中提取特征输入，并将它们转移到另一个分类器中。这是怎么做到的？以及如何访问修改随机森林分类器模型的feature_importances？用科学工具学习。
浏览 0提问于2020-08-11得票数 1
回答已采纳
我训练了一个随机的森林：
model <- randomForest(x, y, proximity=TRUE)
当我想要预测新对象的y时，我使用
y_pred <- predict(model, xnew)
如何根据已有的森林(模型)计算新对象(xnew)和训练集(x)之间的接近度？预测函数中的邻近度选项仅提供新对象中的代理(xnew)。我可以在组合数据集(x和xnew)上再次运行无监督的randomForest来获得邻近度，但我认为一定有某种方法可以避免再次构建森林，而是使用已经存在的森林。
谢谢!基里安
浏览 1提问于2011-12-17得票数 2
回答已采纳
2回答
我正在研究一个二进制分类问题，并使用SparkML，我使用随机森林和Logistic回归模型训练和评估我的数据，现在我想检查支持向量机如何对我的数据进行分类。
我的训练数据的片段_：-
+----------+------+
| spam | count|
+----------+------+
| No|197378|
| Yes| 7652|
+----------+------+
Note:- My dependent variable: 'spam': string (nullable = true)
+-----+------+
浏览 1提问于2018-09-04得票数 2
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
腾讯云开发者
