Python 机器学习随机森林分类器

对于这类数据，我应该使用哪种机器学习算法？我想到

med

列中数组的长度不一致。每当我尝试将其传递到随机林分类器中时，

med

列基本上就是标签。

是的，你是对的，你应该使用的算法是RF或logistic也应该是好的。问题在于“med”列中的数据长度不一致。如果没有必要，您可以使用以下函数对med列数组中的数值数据进行平均/求和：

data=pd.DataFrame({'gender':['m','f','m'],'icds':[['i10'],['i20','i30'],['i40']],'med':[[1,2,4,5],[3,4,6],[5,6,7]]})

def平均输出（x）： 返回np.nanmean（x）

data=pd.DataFrame（{'gender'：['m'，'f'，'m']，'ICD'：[['i10']，['i20'，'i30']，['i40']，'med'：[[1,2,4,5]，[3,4,6]，[5,6,7]}）

数据['med_sum']=数据['med'].映射（求和）

---

data['med_avg']=data['med'].map（avg_out）

您实际上可以将这些药物添加为功能，如下所示：

def sum_out(x):
return np.nansum(x)

输出：

data=pd.DataFrame({'gender':['m','f','m'],'icds':[['i10'],['i20','i30'],['i40']],'med':[['xanex','isotopin'],['cz3','hicet','t-montair'],['t-montair','xanex']]}) 


all_med= list(np.unique(flatten(list(data['med'].values))))

for meds in all_med:
    med_list=[]
    for i in xrange(len(data)):
        d= data['med'][i]
        if meds in d:
            med_list.append(1)
        else:
            med_list.append(0)
    data[meds]=med_list

---

还有一件事，这是一个多标签的问题，但是如果meds列中的数据是标签，比如药物名称，我不能将它们相加，例如med列的形式是['brufen'，'panadol']，['xanex']。现在您可以看到列表的长度不一致，Random Forest不接受它，您能帮我在这种情况下怎么办吗？@SIDDIQI For RF您可以将标签列表拆分为多个功能：每个标签一个bool。如果没有太多不同的标签，这可能会起作用。所以基本上是通过使用Multilabelbinarizer，然后将其作为y标签传递，对吗？你所做的是，你实际上在做一个热编码，对吗？好的，但是有没有其他算法可以直接获取或处理此类数据？比如说不编码？我不这么认为，你需要根据数据构建自己的功能。此外，基于数据构建的功能将为您提供更好的预测和准确性。

  gender        icds                      med  cz3  hicet  isotopin  \
0      m       [i10]        [xanex, isotopin]    0      0         1
1      f  [i20, i30]  [cz3, hicet, t-montair]    1      1         0
2      m       [i40]       [t-montair, xanex]    0      0         0

   t-montair  xanex
0          0      1
1          1      0
2          1      1