随机森林回归的 3D 输入答案

【问题标题】：3D Inputs for Random Forest Regression随机森林回归的 3D 输入
【发布时间】：2019-08-08 08:43:59
【问题描述】：

问题

查看 Sklearn 的随机森林回归示例，例如 IRIS 数据集，输入是大小为 [n_samples, n_features] 的向量：

slen   swid    plen    pwid
5.1     3.5     1.4     0.2 
4.9     3.0     1.4     0.2

但是，对于我的数据，每个特征都有多个值：

slen         swid         plen        pwid
[2,5,1]     [4,2,3]     [1,2,3]     [4,3,2] 
[5,3,2]     [7,3,1]     [3,2,1]     [1,5,2]

在这种数据集上仍然可以使用 Sklearn 的 RFR 吗？

输入现在是[n_samples, n_values_per_feature, n_features]。请注意，对于我的数据，矩阵的顺序（如 [2,5,1]）很重要。

【问题讨论】：

标签： python machine-learning regression random-forest feature-selection

【解决方案1】：

可以把所有的都变成一个

 slen1    slen2       swid1     swid2      plen1    plen2       pwid1     pwid2 
[2,5,1]  [5,3,2]     [4,2,3]   [7,3,1]    [1,2,3]  [3,2,1]     [4,3,2]   [1,5,2]

可以在某些点上滚动值。并互换位置。我想它会平均起来。

【讨论】：