將預測映射回ID - Python Scikit學習DecisionTreeClassifier

我有一個具有唯一標識符和其他功能的數據集。它看起來像這樣將預測映射回ID - Python Scikit學習DecisionTreeClassifier

ID  LenA TypeA LenB TypeB Diff Score Response 
123-456 51 M  101 L  50 0.2 0 
234-567 46 S  49 S  3 0.9 1 
345-678 87 M  70 M  17 0.7 0

我把它分解成訓練和測試數據。我試圖從訓練數據訓練的分類器中將測試數據分爲兩類。我想在訓練和測試數據集中使用標識符，所以我可以將預測映射回ID。
有沒有一種方法可以將標識符列分配爲ID或非預測變量，就像我們可以在Azure ML Studio或SAS中一樣？

我使用的是Scikit-Learn的DecisionTreeClassifier。這是我對分類器的代碼。

from sklearn import tree 

clf = tree.DecisionTreeClassifier() 
clf = clf.fit(traindata, trainlabels)

如果我只包括ID爲traindata，代碼拋出一個錯誤：

ValueError: invalid literal for float(): 123-456

來源

2017-04-21 Minu

你是如何讓你的火車/測試分裂？ – Grr

@Grr ..現在，我把它分成兩半，分別加載CSV作爲traindata和testdata。 – Minu

不知道你是怎樣使你的分，我建議只是確保不包括ID列在你的訓練數據中。像這樣的事情也許：

X_train, X_test, y_train, y_test = test_train_split(df.ix[:, ~df.columns.isin(['ID', 'Response'])].values, df.Response)

將從數據幀不ID或Response爲X值僅分裂的價值觀，併爲y值分割Response。

但是您仍然無法將DecisionTreeClassifier與此數據一起使用，因爲它包含字符串。您需要將任何列與分類數據（即TypeA和TypeB）轉換爲數字表示。在我看來sklearn的最佳做法是使用LabelEncoder。使用這將把分類字符串標籤['M', 'S']轉換爲[1, 2]，這可以用DecisionTreeClassifier實現。如果您需要示例，請查看Passing categorical data to sklearn decision tree。

更新

根據您的評論我現在明白了，你需要映射回ID。在這種情況下，你可以利用熊貓來獲得優勢。將ID設置爲數據的索引，然後進行拆分，這樣您將保留所有火車和測試數據的ID值。假設您的數據已經在熊貓數據框中。

df = df.set_index('ID') 
X_train, X_test, y_train, y_test = test_train_split(df.ix[:, ~df.columns.isin(['Response'])], df.Response) 
print(X_train) 
     LenA TypeA LenB TypeB Diff Score 
ID 
345-678 87  M 70  M 17 0.7 
234-567 46  S 49  S  3 0.9

來源

2017-04-21 21:26:07 Grr

這是如何幫助我將預測映射到ID的？如果我使用上面的代碼使用trian_test_split函數分割數據，我仍然不會在數據集中擁有ID，對嗎？ – Minu

@Minu查看更新的答案 – Grr

可以說我在這裏運行'clf.predict（X_test）'，我的結果是否與X_test具有相同的索引？如果是這樣，我可以在索引上合併結果數據框和X_test數據框，對嗎？ – Minu

將預測映射回ID - Python Scikit學習DecisionTreeClassifier

回答

相關問題