Python中的无监督随机森林近似答案

【问题标题】：Unsupervised Random Forest Proximities in PythonPython中的无监督随机森林近似
【发布时间】：2014-09-25 06:42:30
【问题描述】：

我目前正在重新访问几年前使用 R 语言执行的随机森林项目，以：

使用无监督的 RandomForest 生成数据输入的邻近矩阵
从此邻近矩阵计算距离矩阵并传递给围绕中心点分区 (PAM) 聚类算法
使用通过 PAM 获得的集群，在监督模式下运行 RandomForest 来训练新模型。
使用此模型使用另一个数据集从未来时间点进行预测。

对于许多项目，我已将我的工作流程转移到 Python，因为该语言非常灵活且有趣，但与我在 R 中执行此类任务的方式相比，我仍然对 sklearn 有所了解.我的挂断是在产生一个接近矩阵（或一些容器保持样本之间的接近度），以传递给PAM。我找到了以下post，它描述了一个类似的问题，但我一直无法找到一种方法来实现接受的答案作者的建议。

关于如何实现这一点的任何线索？任何帮助都将不胜感激，我一定会将其返回给更大的社区。我知道还有很多其他 R 到 Python 的转换者会从这类信息中受益。

如果这是一个我忽略的简单解决方案，请提前致谢并道歉。

【问题讨论】：

这方面有什么进展吗？没有人真正描述过如何使用 sklearn 在 Python 中实现这一点。

标签： python cluster-analysis random-forest

【解决方案1】：

你可以使用用 R 编写的 bigrf 包。（https://cran.r-project.org/web/packages/bigrf/bigrf.pdf）它有你需要的任何东西。

这就是你可以在 R 中实现它的方式：

# load bigrf library
library('bigrf')

# generate synthetic dataset
synthetic.df <- generateSyntheticClass(x)

# create rf model
forest <- bigrfc(synthetic.df$x, synthetic.df$y, trace = 1)

# calculate distances
dist  <- proximities(forest, trace =  2)
dist  <- data.frame(as.matrix(dist))
dist  <- dist[1:nrow(x), 1:nrow(x)]
dist  <- sqrt(1 - dist)

【讨论】：

【解决方案2】：

首先，您可能想查看 pandas：http://pandas.pydata.org/。它可能会让您的生活更轻松。

对于使用 python 数据结构的解决方案，它实际上取决于您如何加载数据以及之后您将如何处理数据（例如，您的 PAM 方法需要什么）。

一种方便的存储距离的方法是邻接表。有很多方法可以实现这一点。我喜欢使用哈希，其中键是坐标元组，值是距离。

a = {}
a[(0,1)] = 7
a[(1,5)] = 20
a[(6,1)] = 1

这是二维的，但您可以通过为键提供更多坐标来提高。

【讨论】：