我正在为scikit-learn的随机森林分类器生成特征向量。特征向量代表9个蛋白质氨基酸残基的名称。有20个可能的残留物名称。所以,我使用20个伪变量来表示一个留数名,对于9个留数,我有180个伪变量。
例如,如果滑动窗口中的9个残基是:ARNDCQEGH(每个字母代表一个蛋白质残基的名称),那么我的特征向量将是:
"True\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\t
False\tTrue\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\t
False\tFalse\tTrue\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\t
False\tFalse\tFalse\tTrue\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\t
False\tFalse\tFalse\tFalse\tTrue\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\t
False\tFalse\tFalse\tFalse\tFalse\tTrue\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\t
False\tFalse\tFalse\tFalse\tFalse\tFalse\tTrue\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\t
False\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tTrue\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\t
False\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tTrue\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\tFalse\n"
另外,我尝试使用(1,0)替换(True,False)
经过训练和测试Scikit的随机森林分类模型,我发现它完全不起作用。但是Scikit的随机森林可以和我的其他数字数据一起工作。
Scikit的随机林可以处理分类变量或伪变量吗?如果是的话,你能提供一个例子说明它是如何工作的吗。
下面是我设置随机林的方法:
clf=RandomForestClassifier (n_estimators=800, criterion='gini', n_jobs=12, max_depth=None, compute_importances=True, max_features='auto', min_samples_split=1, random_state=None)
提前多谢!
Scikits随机森林分类器可以处理虚拟变量,但也可以直接使用分类变量,这是首选的方法。把字符串映射成整数就行了。 假设你的特征向量是['a','b','b','c']
新值现在保存值[0,2,2,1],您可以直接将其提供给RF,而无需进行模拟
使用编码为0和1的布尔特性应该可以工作。如果预测精度很差,即使在你的森林中有大量的决策树,可能是因为你的数据太嘈杂,无法获得学习算法,无法获取任何有趣的想法。
你试过用线性模型(如Logistic回归)作为这个数据的基线吗?
编辑:在实践中,对分类变量使用整数编码对于许多随机决策树模型(如scikit learn中的RandomForest和ExtraTrees)往往非常有效。
相关问题 更多 >
编程相关推荐