random-forest

1熱度

1回答

在Java中使用隨機森林打印實際和預測的類標籤

我有一個包含10000條記錄的大型數據集，其中5000個屬於類1，其餘5000個屬於類-1。我使用隨機森林，並獲得了超過90％的良好準確性。 現在，如果我有一個ARFF文件 @relation cds_orf @attribute start numeric @attribute end numeric @attribute score numeric @attribute

java machine-learning classification weka random-forest 2017-06-01

---

1熱度

1回答

模型的特徵數量必須與輸入匹配。模型n_features是20，輸入n_features是4

enter image description here我在使用隨機森林分類器時出現此錯誤。這裏是我的代碼： import quandl, math import numpy as np import pandas as pd import matplotlib.pyplot as plt from matplotlib import style import datetime

python machine-learning scikit-learn random-forest sklearn-pandas 2017-06-03

---

-3熱度

1回答

模型的特徵數量必須與輸入匹配。模型n_features是40和輸入n_features是38

我得到這個錯誤。請給我任何建議來解決它。這裏是我的代碼。我從train.csv traing數據和測試數據從另一個文件test.csv。我是機器學習的新手，所以我不明白什麼是問題。任何建議。 import quandl,math import numpy as np import pandas as pd import matplotlib.pyplot as plt from ma

python machine-learning scikit-learn random-forest sklearn-pandas 2017-06-05

---

1熱度

1回答

如何加載spark.mllib模型而不使用SparkContext來預測？

隨着Spark1.6.0 MLLib，我會建立一個模型（像RandomForest）並保存到hdfs，然後有可能從hdfs加載randomforest模型來預測沒有SparkContext.Now，加載我們可以使用這個模型： VAL loadModel = RandomForestModel.load（SC，modelpath） 是否有另一種方式來加載模型，而不SC謝謝！

apache-spark-mllib random-forest apache-spark-1.6 2017-06-07

---

-1熱度

1回答

構建一個隨機森林迴歸器，從頭開始進行交叉驗證

我知道這是一個非常經典的問題，可以在這個論壇中多次回答，但是我找不到任何明確的答案，從頭開始清楚地解釋這個問題。 首先，我的數據集名爲my_data有4個變量，如 my_data =變量1，變量2，variable3 imgine，target_variable 那麼，讓我們來我的問題。我會解釋我的所有步驟，並要求你對我一直停留在那裏幫助： # STEP1 : split my_data into

machine-learning scikit-learn regression random-forest cross-validation 2017-06-11

---

0熱度

1回答

使用R和randomForestSRC包進行機器學習

我試圖在R中使用「surv.randomForestSRC」作爲機器學習的學習者。 我的代碼和結果如下。 「newHCC」是HCC患者的多個數字參數結果的生存數據。 > newHCC$status = (newHCC$status == 1) > surv.task = makeSurvTask(data = newHCC, target = c("time", "status")) > su

machine-learning random-forest survival-analysis 2017-06-12

---

1熱度

2回答

matplotlib：繪圖特徵重要性與功能名稱

在R中有預先構建的函數來繪製隨機森林模型的特徵重要性。但在python中，這種方法似乎缺失。我在matplotlib中搜索了一種方法。 model.feature_importances給了我以下： array([ 2.32421835e-03, 7.21472336e-04, 2.70491223e-03, 3.34521084e-03, 4.19443238e-03, 1.5010

python matplotlib random-forest seaborn 2017-06-13

---

0熱度

1回答

是否可以在scikit-leanr決策樹中設置拆分值的精度？

當在決策樹中訪問節點的tree_.threshold時，類型似乎是float。有沒有辦法將閾值的「精度」設置爲整數？ 在我的情況下，這些特徵是所有的整數值，所以不需要在以這種精度定義的值上分割。

scikit-learn random-forest decision-tree 2017-06-14

---

0熱度

1回答

如何操作我的數據以允許隨機森林在其上運行？

我想在一堆矩陣上訓練一個隨機森林（例如下面的第一個鏈接）。我想將它們歸類爲「g」或「b」（好或壞，a或b，1或0，沒關係）。 我已經調用腳本randfore.py。我目前使用了10個示例，但是一旦實際啓動並運行，我將使用更大的數據集。 下面是代碼： # -*- coding: utf-8 -*- import numpy as np import pandas as pd import os

python pandas scikit-learn random-forest 2017-06-15

---

1熱度

1回答

不同的脈絡和特徵數測試集 - 隨機森林sklearn的Python

我使用sklearn包在Python，以適應隨機森林迴歸模型的數據，看起來像這樣： data_train = ['.3 0:.5 1:.2 3:.7 6:.9 7:.1','.2 1:.5 2:.7 4:-0.3 5:1 6:0.7','.1 0:.3 1:.3 2:.2 3:.1 4:-0.2 5:0.3 6:0.7','.5 0:.3 1:.3 2:.5 3:.6 4:-0.1 5:0.4 6

python scikit-learn random-forest 2017-06-19

---