Python 给定数值目标变量，我应该转换目标变量以获得多类分类的指标矩阵吗？

我正在使用

RandomForestClassifier

处理一个多类分类问题。目标变量

Y

仅包含3个值{-1,0,1}中的一个。我知道数字编码是必要的

但是，我想了解是否有必要通过执行

pd来转换
Y
以获得如下所示的指标矩阵。获取假人（Y）

，然后将该指标矩阵输入

随机森林分类器

      -1.0   0.0   1.0
0        0     0     1
1        1     0     0
2        0     0     1
3        1     0     0
4        1     0     0
   ...   ...   ...
6516     1     0     0
6517     0     0     1
6518     0     0     1
6519     0     0     1
6520     1     0     0

与将未转换的目标变量

Y

（即一维序列）输入

RandomForestClassifier

相比，这将如何影响机器学习算法？结果会不同吗？为什么

RandomForestClassifier

在这两种不同的场景下做了不同的事情吗？

---

建议采用哪种方法（指标矩阵与未转换）？

我认为没有任何理由选择其中一种方法。可以将类似shape

（n_samples，）

或

（n_samples，n_outputs）

的数组作为

y

传递到

sklearn.employee.RandomForestClassifier.fit（）

唯一的区别是

.predict（）

如何返回预测的类。我建议您根据需要预测的格式来决定Y的形状

---

除此之外，每个估计器的分割过程是完全相同的。

这里进行分类，y值被视为类标签。这里不需要对目标值进行编码。目标y只能是1D向量。如果特征是非数字特征，则仅需要对其进行编码。数字特征需要缩放。您可以在这里查看文档和示例：谢谢您的评论。但我注意到在这个例子中，他们会产生一个指标矩阵，我投票来结束这个问题，因为它不是关于在中定义的编程，而是关于ML理论和/或方法-请参阅机器学习中的介绍和注释。哪个文档？这里的文档说明了拟合（X，y[，样本重量]），因此X和y都是训练RFC所必需的。需要y来训练分类器。我添加了一个到文档的链接。当然，

X

和

y

都是需要的。我认为用户的问题是关于

y

的形状。他们不知道是应该将

y

作为1D数组还是具有多个“列”的数组进行传递。好的，谢谢，我知道了：“类似于y数组的形状（n_个样本），还是（n_个样本，n_个输出）”