Python 提高二元分类模型的精度

所以，作为一个更大项目的一部分，我正在研究一个基本的机器学习算法。在本节中，我试图教机器使用两组数据，一组较小的数据只有一个特性，另一组较大的数据有六个特性。下面可以看到这两种情况

“旗帜”是我试图预测的。0标志表示真实/正常数据，而1标志表示“异常”数据。因此，我的目标是允许is预测“异常”数据输入。从照片中可以看出，这些目的的“异常”数据与以前的数据点相比有很大变化。问题之一是，在我插入数据的450个左右的假数据中，计算机只预测了80个。第二个问题是，计算机对某些数据进行了错误分类，称某些真实数据为伪造数据

我现在已经在小数据集上做了大部分测试，只是为了让一切正常工作。我使用的是XGBoost算法，n_估计值等于1000，学习率为0.05。代码非常简单

数据=pd.read_csv'final_angles.csv' data.dropnaaxis=0，subset=['steering_angle'，inplace=True y=data.flag X=数据。放置['flag'，'frame_id'，]，轴=1 列X，测试列X，测试列y，测试列y=列X，测试列X拆分X.as矩阵，y.as矩阵，测试列大小=0.25，无序=假 my_模型=xGBregressionBorn_估计量=1000，学习率=0.05 my_model.fittrain_X，train_y，早停轮数=5， eval_set=[test_X，test_y]，verbose=False 预测=我的模型。预测测试 如果预测值超过0.5，则任何内容都被视为“虚假”或“异常”

例如，这是我制作的：

文件中有457段“假”数据。我们猜测108个数据点是假的。其中只有69件是假的。我们从4570.15098468271334792中得到69分

---

我能做些什么来改善结果吗？我考虑过改变算法，虽然我不知道这会有多大帮助。使用随机林或其他东西会有帮助吗，或者可能会进一步调整参数？我愿意接受任何想法。

我不会说更改算法/搜索超参数会显著提高分类性能

在我看来，你应该处理你的数据

在您的数据中，机器看到的是一行数据，但您说过决定标志值的是与前一个数据点的实质性更改

所以你应该考虑：

尝试使用适合timeseries数据的算法 或者尝试进行一些特征工程，以便在每一行/每一行，机器能够看到与前一行/每一行相比，变化是否很大 以下是一些有用的链接，从这里开始：

关于更改算法：

在处理ML问题时，一种常见的方法是首先定义一种基线方法，您的解决方案应该优于此方法。 有时，有一个简单的方法（如NaiveBayes）会有所帮助，它不需要作为基线进行调优

关于改进结果：

您是如何为每组数据选择功能的？ 尽管我们可以通过改变n_估计量和学习率值来调整算法，但结果仍将取决于研究的特征工程阶段有多好

参考：

---

我不会说改变算法可以做得更好。从事数据特性工程比选择算法/参数更有价值。谢谢，我会研究一下。你会推荐一些特定于时间序列的算法，还是更新我的算法以更好地处理此类数据？是的，我曾考虑尝试进行更多调整，并进行功能工程，但问题是，例如，在短数据集中，我们只有一个“功能”。刚刚编辑了答案