numpy.atleast（）、RamdonForestClassifier和numpy.hstack函数

我对numpy.atleast（）、RamdonForestClassifier和numpy.hstack函数的确切工作方式有疑问

我已经阅读了关于我上面提到的所有这些函数的用途的文档，但仍然不清楚。 谁能帮帮我吗

我正在处理的方法如下：

def配合（自、X、Y）：
十、 Y=地图（np.至少_2d，（X，Y））
断言X.shape[0]==Y.shape[0]
Ny=Y.形状[1]
self.clfs=[]
对于范围内的i（纽约）：
clf=RandomForestClassifier（*self.args，**self.kwargs，n_jobs=-1）
席＝NP.HStAt（[x，y[:]：i]）
yi=Y[：，i]
self.clfs.append（clf.fit（Xi，yi））

让我一步一步地解释

因此，

np.atleast_2d（）

将任何输入转换为二维数组

np.atleast_2d(1)
Out[5]: array([[1]])

np.atleast_2d([1,2])
Out[6]: array([[1, 2]])

因此，正如您所看到的，它正在将它们转换为2D数组，类似地，在您的代码中，

X，Y=map（np.atleast_2d，（X，Y））

，这将函数

np.atleast_2d

映射到这些输入X和Y，以便给定输入X，Y，它将它们转换为二维数组

接下来，关于RandomForestClassifier

clf=RandomForestClassifier（*self.args，**self.kwargs，n_jobs=-1）

line为您初始化模型或分类器

a = np.arange(0,4,1).reshape(2,2)
Y = np.arange(5,9,1).reshape(2,2)
res = np.hstack([a,Y])
res
Out[10]: 
array([[0, 1, 5, 6],
       [2, 3, 7, 8]])
res.shape
Out[11]: (2, 4)

请参见2行4列

np.hstack

只是水平堆叠输入数组。

Xi=np.hstack（[X，Y[：，：i]]）

，这行基本上将输入X与可能的标签堆叠起来。

---

clf.fit（Xi，yi）

，此函数将数据适合您的模型。这就像我初始化了一个黑匣子或一个系统，现在我将数据传递到该系统，以训练系统适应该数据。如果您还有更多问题，请随时提问。

我完全不知道您在问什么，简单地说，“适合”方法在做什么。我是机器学习的新手，包括Pandas-Numpy的库，我目前正在学习这些库中不同功能的工作方式。这就是我问你的原因。非常感谢你。很好的解释。只是对于Y[：，：i]（hstack函数的第二个参数）我不太清楚。席= NP .HSTAG（[X，Y[::i]）]为什么那部分是用这种方式写的？欢迎你。所以，我建议大家阅读ML，熟悉numpy库。这很有帮助