Python 分组监督学习随机森林

因此，我有这样一个训练数据集（但要大得多）：

其中，每个组（共享组号的行）包含一个人员列表（每个组中的每个唯一PID），组中的一个人Best=1，其余的人Best=2。我的目标是使用这些训练数据，根据Var1和Var2预测每组中哪个人是最好的（best=1）

我使用了Scikit learn，并尝试使用随机森林模型预测测试数据的最佳结果，但它不考虑组，并且可以为每组多个PID指定Best=1

我想知道如何训练/运行模型，以便它学会为每个组分配一个Best=1，而不是在所有行和组中分配它。为我指明有用资源的方向，就像我不确定在这方面应该向何处寻求帮助一样好。

当一个功能不是一个有序的指标时（例如离散分类），我们使用一个热编码。这意味着，对于原始要素的N类（不同的值），我们创建了一系列N要素，其中只有一个是“好”（通常1），而其他要素是“坏”（通常0）。您可以将其理解为一组布尔函数：isGroup111（），isGroup112（）

当一个特征不是一个有序的度量（比如离散分类）时，我们使用一个热编码。这意味着，对于原始要素的N类（不同的值），我们创建了一系列N要素，其中只有一个是“好”（通常1），而其他要素是“坏”（通常0）。您可以将其理解为一组布尔函数：isGroup111（），isGroup112（）

---

---

由于您的功能是

Var1

和

Var2

，因此它将尝试从这两列中预测

Best

。它将独立地预测每个样本，因此可以在同一组中生成多个样本。好的，我将尝试将组和PID添加到特性中，看看这是否会生成所需的结果。谢谢恐怕不会好起来了。您应该使用

onehotcoder

对功能

Group

进行编码，否则它将在组之间对组进行排序，这意味着什么。为什么小组

111

的重要性不如小组

112

（仅仅因为

111<112

）你能详细说明一下吗？我不熟悉OneHotEncoder。“对功能组进行编码”是什么意思？因为您的功能是

Var1

和

Var2

，所以它将尝试从这两列中预测

Best

。它将独立地预测每个样本，因此可以在同一组中生成多个样本。好的，我将尝试将组和PID添加到特性中，看看这是否会生成所需的结果。谢谢恐怕不会好起来了。您应该使用

onehotcoder

对功能

Group

进行编码，否则它将在组之间对组进行排序，这意味着什么。为什么小组

111

的重要性不如小组

112

（仅仅因为

111<112

）你能详细说明一下吗？我不熟悉OneHotEncoder。“对功能组进行编码”是什么意思？放弃

PID

。我不认为ID会给分类器带来任何重要的信息……为了完整性，我把它留在了表中。你说得很对，它不应该是评估中的一个功能。这是有道理的，谢谢！如果存在大量不同的组，是否存在内存问题？这取决于您的存储方法。在最坏的情况下，这将用三个短整数（三个类）替换一个短整数。如果数据库对数据类型有响应，则可以用3位映射替换它：每个组一个布尔值。直接的答案是尝试并跟踪您的内存使用情况。@Nizag:是的，如果您有很多类别，如果没有足够的内存，使用

OneHotEncoder

将导致内存问题。我不认为ID会给分类器带来任何重要的信息……为了完整性，我把它留在了表中。你说得很对，它不应该是评估中的一个功能。这是有道理的，谢谢！如果存在大量不同的组，是否存在内存问题？这取决于您的存储方法。在最坏的情况下，这将用三个短整数（三个类）替换一个短整数。如果数据库对数据类型有响应，则可以用3位映射替换它：每个组一个布尔值。直接的答案是尝试并跟踪您的内存使用情况。@Nizag:是的，如果您有很多类别，如果您没有足够的内存，使用

OneHotEncoder将导致内存问题
       Group   PID  Var1  Var2  Best
    0    111     1     1     1     1
    1    111     2     2     1     2
    2    111     3     1     2     2
    3    112     1     1     2     2
    4    112     2     2     1     1
    5    113     1     1     2     2
    6    113     2     1     1     2
    7    113     3     2     1     1
    8    113     4     3     2     2

   Group111 Group112 Group113   PID  Var1  Var2  Best
0     1        0        0        1     1     1     1
1     1        0        0        2     2     1     2
2     1        0        0        3     1     2     2
3     0        1        0        1     1     2     2
4     0        1        0        2     2     1     1
5     0        0        1        1     1     2     2
6     0        0        1        2     1     1     2
7     0        0        1        3     2     1     1
8     0        0        1        4     3     2     2