主页 / 问题 / 1416994
Accepted
almaz
Asked:2022-08-05 00:04:59 +0000 UTC2022-08-05 00:04:59 +0000 UTC

python scikit-learn 如何正确模拟分类问题（随机森林）

  • 772

我有这个数据框：

指数 拉兹里亚德 年龄 薪水
一 2 22 30000
2 3 19 36000
3 四 三十 40000
四 5 25 47000

简而言之：该表包含薪水级别，其中存在依赖关系：类别越高，薪水越高。在我的例子中，由于某种原因，“年龄”特征的权重在预测中的作用比排名特征更大。输入新数据时问题听起来像这样（数字= 4，年龄= 17）给出的预测等于= 36000，尽管理论上存在类别依赖性，但由于某种原因，模型更多地考虑了权重“年龄”比“razryad”？？？或者我没有正确构建模型，或者我需要自己增加“razryad”的重量？尽管从理论上讲，模型本身应该发现这种对放电的依赖性

import pandas as pd
import numpy as np
import time
from sklearn.ensemble import RandomForestClassifier 

df_json = pd.read_json('dataframes//test_data.json')
X_test = df_json[['razryad', 'age']].reset_index(drop=True)    # 
y_test = df_json['salary']         #

model = RandomForestClassifier()    # выбираем модель обучения: Случайный лес класссификация
model.fit(X_test, y_test) # обучаем модель

# подаем новые данные для выдачи прогноза ожидаемой зарплаты
example_test = {'razryad': [4], 'age': [11]}

example_df_test = pd.DataFrame(example_test)
res = model.predict(example_df_test)    # предсказывает данные
print(f"\nПредсказанные данные:\n{res=}")

预测中的特征权重

python dataframe

1 个回答

  1. Best Answer

    首先，分类模型不知道如何插值。他们给出了训练样本中的一个值。而且您还为输入提供了一个age不在训练中的值。同时，你把模型太复杂了，容易重新训练。如果我们采用一个简单的模型，而且是回归而不是分类，那么一切都会更加合乎逻辑。

    from sklearn.linear_model import LinearRegression

model = LinearRegression()

    结论：

    Предсказанные данные (я округляю всё до целых значений здесь и далее):
43434

    模型系数：

    print(int(model.intercept_), list(map(int,model.coef_)))

    结论：

    21956 [5847, -173]

    那些。线性模型的计算公式如下：

    salary = 21956 + razryad * 5847 - 173 * age

    那些。年龄越小，工资越高。这些是您的数据，如果您仔细查看它们，数字 2 和 3 以及数字 4 和 5 之间的转换伴随着年龄的下降。

    • 1

相关问题