用 Python 实现的 RandomForestClassifier 不起作用答案

【问题标题】：RandomForestClassifier implemented in Python does not work用 Python 实现的 RandomForestClassifier 不起作用
【发布时间】：2018-10-01 20:18:00
【问题描述】：

我有这个 csv 文件：

name,likes,trabels,rapn,aps,class
0,name1,22,0.3,0.893818566,2,0
1,name2,2,0.3,0.910212895,2,0
2,&#122;endym.,6,1,0.195939375,1,0
3,smok,16,0.3,0.56267631,2,0
4,d,3,0.3,0.01069298,1,0

我想根据名称的其余属性对名称进行分类。我正在使用此代码：

import pandas as pd 
from sklearn import datasets

df=pd.read_csv('book4.csv')

from sklearn.model_selection import train_test_split

X=df[['likes', 'trables', 'rapn', 'aps']]
y=df['class']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.7)

from sklearn.ensemble import RandomForestClassifier

clf=RandomForestClassifier()

clf.fit(X_train,y_train)

y_pred=clf.predict(X_test)

from sklearn import metrics

print("Accuracy:",metrics.accuracy_score(y_test, y_pred))

这是我的第一个机器学习程序。问题是当我运行它时，我得到[0 0 0 ..., 0 0 0] 和Accuracy=1(!!!!!!)。此外，当我检查每个功能的重要性时，我也会得到0.0。我无法理解我做错了什么。有人可以帮助我吗？

【问题讨论】：

你有一个不平衡的类问题。所有的类都只映射到0。
提供的示例是整个数据集吗？它不包含class 为1 的任何行
不，这是数据集的一部分。但是对于整个数据集，class 是 0。
@mad_ 我明白了。我应该映射类。问题是我希望算法找到类 - 在这种情况下，我是否使用了错误的技术？
在进行预测之前，您实际上是在允许您的算法从类中学习。如果它只包含0 类，则意味着它没有看到任何其他类类型。因此，无论情况如何，它总是会预测结果有利于0。如果有意义的话，你实际上是在诱导数据集中的偏差。

标签： python machine-learning random-forest

【解决方案1】：

第一件事是，如果这个数据集就是你所拥有的，那么它对于实现随机森林分类器（数据饥渴）甚至任何机器学习都太小了。接下来，你有一个极度不平衡的类问题，“机器”不知道除了0之外还有没有其他class。这就是为什么所有预测都是零的原因。

【讨论】：