将预测器添加到随机森林分类器（Pandas、Python3、Sklearn）答案

【问题标题】：Adding Predictors to random forest classifier (Pandas, Python3,Sklearn)将预测器添加到随机森林分类器（Pandas、Python3、Sklearn）
【发布时间】：2015-07-26 18:18:15
【问题描述】：

我正在尝试通过调整此处找到的代码来学习如何在 Python 中使用随机森林生成器：http://blog.yhathq.com/posts/random-forests-in-python.html to a fake data set

我试图根据一个人的体重和身高来预测一个人是男性 (0) 还是女性 (1)

数据如下：

  Weight     Height     Gender
  150         60          1
  250         85          0
  175         75          0
  100         62          1
  90          58          1
  200         80          0
  ...         ...         ...
  165         66          0

现在我正在尝试将测试集分为男性和女性

代码如下：

from sklearn.ensemble import RandomForestClassifier
import pandas as pd
import numpy as np

xl = pd.ExcelFile(fakedata.xlsx')
df = xl.parse()
df.head()
df['is_train'] = np.random.uniform(0, 1, len(df)) <= .75
train, test = df[df['is_train']==True], df[df['is_train']==False]
features = df.columns[:2]
clf = RandomForestClassifier(n_jobs=2)
y, _ = pd.factorize(train['Gender'])
clf.fit(train[features], y)

我了解这段代码在这里完成了什么，但之后我遇到了问题：

preds = train['Gender'][clf.predict(test[features])]
print(pd.crosstab(test['Gender'], preds, rownames=['actual'], colnames=['preds']))

给我错误

ValueError: cannot reindex from a duplicate axis

我到底错过了什么？

【问题讨论】：

请记住，有 2 个自变量（体重和身高），您的数据集不适合 RandomForest。我希望这只是一个可重复的小例子，而不是你的真正任务

标签： python-3.x pandas scikit-learn

【解决方案1】：

您不应该根据preds = train['Gender'][clf.predict(test[features])] 行中的预测进行索引。你的预测应该是

preds = clf.predict(test[features])

【讨论】：