Question

目前，我应该分析一些数据（关于下表）。我想根据数据得到一些预测值。所以，我搜索数据分析的算法（在scikit-learn中），但我找不到我发现的算法。因为我想将预测值作为二进制（例如0或1），但线性，SVN等算法将值预测为整数（如平均值）。下表更详细解释。

[训练 - 数据]

age | gender | education | result 
45  |   1    |     9     |   Y
23  |   2    |     12    |   Y
27  |   2    |     9     |   N
31  |   1    |     11    |   Y
45  |   1    |     9     |   N

[预测 - 数据]

age | gender | education | result 
21  |   1    |     12    |   ?
32  |   2    |     11    |   ?
26  |   1    |     11    |   ?
54  |   1    |     9     |   ?
23  |   2    |     13    |   ?

我只想将预测值设为Y或N.我搜索了scikit-learn（http://scikit-learn.org/stable/），但我不知道最好的算法。谁知道呢？谢谢！

Answer 1

sklearn在分类方面支持all of these。

如果想要构建一个可解释的模型，那么LogisticRegression可能是最佳选择。

它构建了一个类型的模型：logit(Result) = b0+b1*age+b2*gender+b3*education。它会为您估算b系数，然后您可以将其解释为：当年龄增加1时，保持其他所有内容固定，结果将增加exp(b1)。查看更多here。

此外，还有一系列统计测试可用于测试它的稳健性。它是一个非常酷的模型，广泛用于计量经济学，但它假设线性。例如，您的result变量（无论它意味着什么）在老年时可能比年轻时增加更多。因此，您可能希望将年龄汇总到群组中。此外，由于非线性，您可能需要one-hot encoding一些因素。

易于使用的模型，也是可解释的，是DecisionTree。有关此类树木的示例，请参阅链接。

如果解释不是问题，那么SVM或类似nearest neighbors或neural network的方法可能就行了。通常，数据科学家使用nested cross-validation来尝试一堆带有一堆参数的模型。外部交叉验证测试了一系列不同的模型，内部交叉验证测试了超参数。

啊 - 忘了提。关于决策树，您应该特别注意微调max_depth超参数（但也要微调其他参数）。你也可以尝试一些合奏。合奏是指你创造了很多模型，然后他们都在预测中民主地投票。它们通常可以提高准确性。对于决策树，两个非常酷的合奏是RandomForest和Gradient Boosting Trees。

告诉我是否还有其他事情你要我澄清一下。无论如何，请告诉我们1.到目前为止您尝试过的内容，以及2.您想要做什么。分类是数据科学中巨大的领域。这是我对您提供的信息所能做的最好的事情。：）

如何预测分类中的二进制值

1 个答案: