机器学习随机森林分类器答案

【问题标题】：Machine learning random forest classifier机器学习随机森林分类器
【发布时间】：2018-07-20 20:59:32
【问题描述】：

data=pd.DataFrame({'gender':['m','f','m'],'icds':[['i10'],['i20','i30'],['i40']],'med':[[1,2,4,5],[3,4,6],[5,6,7]]})

对于此类数据，我应该使用哪种机器学习算法？我想到了med 列中数组的长度不一致。每当我尝试在随机森林分类器中传递它时，med 列基本上就是标签。

【问题讨论】：

还有一件事是多标签问题

标签： python pandas

【解决方案1】：

是的，你是对的，你应该使用的算法是 RF 或逻辑也应该是好的。问题在于“med”列中的数据长度不一致。如果没有必要，您可以使用以下函数对 med 列数组中的数值数据进行平均/求和：

def sum_out(x):
return np.nansum(x)

def avg_out(x): 返回 np.nanmean(x)

data=pd.DataFrame({'gender':['m','f','m'],'icds':[['i10'],['i20','i30'],[ 'i40']],'med':[[1,2,4,5],[3,4,6],[5,6,7]]})

数据['med_sum']= 数据['med'].map(sum_out) data['med_avg']= data['med'].map(avg_out)

【讨论】：

但是如果 meds 列中的数据是标签，比如药物名称，我无法将它们相加，例如 med 列的格式为 ['brufen','panadol']，[ 'xanex']。现在在这里您可以看到列表的长度不一致并且随机森林不接受它，您能帮我在这种情况下怎么办吗？
@SIDDIQI 对于 RF，您可以将标签列表拆分为多个特征：每个标签一个布尔值。如果您没有太多不同的标签，这可能会起作用。
所以基本上是通过使用 Multilabelbinarizer 然后将其作为 y-labels 传递来做到这一点的吗？

【解决方案2】：

您实际上可以将这些药物添加为功能，如下所示：

data=pd.DataFrame({'gender':['m','f','m'],'icds':[['i10'],['i20','i30'],['i40']],'med':[['xanex','isotopin'],['cz3','hicet','t-montair'],['t-montair','xanex']]}) 


all_med= list(np.unique(flatten(list(data['med'].values))))

for meds in all_med:
    med_list=[]
    for i in xrange(len(data)):
        d= data['med'][i]
        if meds in d:
            med_list.append(1)
        else:
            med_list.append(0)
    data[meds]=med_list

输出：

  gender        icds                      med  cz3  hicet  isotopin  \
0      m       [i10]        [xanex, isotopin]    0      0         1
1      f  [i20, i30]  [cz3, hicet, t-montair]    1      1         0
2      m       [i40]       [t-montair, xanex]    0      0         0

   t-montair  xanex
0          0      1
1          1      0
2          1      1

【讨论】：

你正在做的是你实际上是在做一个热编码吗？
好的，但是有没有其他算法可以直接获取或处理此类数据？喜欢不编码吗？
我不这么认为，你必须根据数据构建自己的功能。此外，您基于数据构建的功能将为您提供更好的预测和准确性。