Question

我目前正在重新访问我几年前使用R语言执行的随机森林项目：

使用无监督的RandomForest
从此邻近矩阵计算距离矩阵并传递给Partitioning Around Medoids（PAM）聚类算法
使用通过PAM获得的聚类，在监督模式下运行RandomForest来训练新模型。
使用此模型预测使用未来某个时间点的其他数据集。

由于语言非常灵活和有趣，我已将工作流程转移到 Python ，因为语言非常灵活和有趣，但与我在R中执行此类任务的方式相比，我仍然在sklearn中工作。我的做法是生成一个接近矩阵（或一些容器之间保持接近的容器），然后传递给PAM。我找到了以下post，它描述了一个类似的问题，但我一直无法找到一种方法来实现所接受答案的作者所建议的内容。

有关如何实现此问题的任何线索？非常感谢任何帮助，我一定会把它归还给更大的社区。我知道还有很多其他R到Python的转换器可以从这类信息中受益。

如果这是一个我只是忽略的简单解决方案，请提前致谢并道歉。

Answer 1

你可以使用用R.编写的bigrf包。（https://cran.r-project.org/web/packages/bigrf/bigrf.pdf）它有你需要的任何东西。

这就是你可以在R：

中实现它的方法

# load bigrf library
library('bigrf')

# generate synthetic dataset
synthetic.df <- generateSyntheticClass(x)

# create rf model
forest <- bigrfc(synthetic.df$x, synthetic.df$y, trace = 1)

# calculate distances
dist  <- proximities(forest, trace =  2)
dist  <- data.frame(as.matrix(dist))
dist  <- dist[1:nrow(x), 1:nrow(x)]
dist  <- sqrt(1 - dist)

Answer 2

首先，您可能想要查看pandas：http://pandas.pydata.org/。它可能会让你的生活更轻松。

对于使用python数据结构的解决方案，它实际上取决于你如何加载数据以及之后你用它做什么（例如你的PAM方法需要什么）。

存储距离的一种便捷方式是邻接列表。有很多方法可以实现这一点。我喜欢使用散列，其中键是坐标元组，值是距离。

foreach (elem in menuHrefs )
{
    elem.click();
}

这适用于2个维度，但您可以通过为键提供更多坐标来提高。

Python中的无监督随机森林近似

2 个答案: