Question

我知道这是一个非常经典的问题，可以在这个论坛上多次回答，但我找不到任何明确的答案，从头开始清楚地解释了这一点。

首先，假设我的数据集my_data有4个变量，如 my_data = variable1，variable2，variable3，target_variable

所以，让我们来解决我的问题。我将解释我的所有步骤并向我寻求帮助以解决我被困的问题：

SubDbContext newContext = new SubDbContext(string.Format(userDatabase, "sub_db_" + userId));
newContext.Countries.FirstOrDefault();
newContext.Cities.FirstOrDefault();

在这一步，我想根据训练数据集拟合我的模型，然后在测试数据集上使用该模型并预测测试目标。我还想计算所需的统计数据，如MSE，r2等，以了解我的模型的性能。

如果有人帮我解决Step5的一些基本代码，我会很感激。

谢谢＆amp;的问候，

Cagdas

Answer 1

首先，您正在使用scikit库的已弃用软件包cross-validation。新包名为model_selection。所以我在这个答案中使用它。

其次，您要导入RandomForestRegressor，但在代码中定义RandomForestClassifier。我在这里接受RandomForestRegressor，因为您想要的指标（MSE，R2等）仅针对回归问题而非分类定义。

有多种方法可以做你想要的。我假设您在此尝试使用KFold交叉验证，您希望将每个折叠的左侧数据用作测试折叠。要做到这一点，我们可以做到：

predictors = my_data[[
'variable1',
'variable2',
'variable3'
]]


targets = my_data.target_variable

from sklearn import model_selection
from sklearn.ensemble import RandomForestRegressor
from sklearn import metrics

model = RandomForestClassifier(n_estimators=100)

cv = model_selection.KFold(n_splits=3)

for train_index, test_index in kf.split(X):
    print("TRAIN:", train_index, "TEST:", test_index)
    X_train, X_test = predictors[train_index], predictors[test_index]
    y_train, y_test = targets[train_index], targets[test_index]

    # For training, fit() is used
    model.fit(X_train, y_train)

    # Default metric is R2 for regression, which can be accessed by score()
    model.score(X_test, y_test)

    # For other metrics, we need the predictions of the model
    y_pred = model.predict(X_test)

    metrics.mean_squared_error(y_test, y_pred)
    metrics.r2_score(y_test, y_pred)

对于所有这些，文档是你最好的朋友。 scikit-learn文档是我见过的最好的文档之一。以下链接可以帮助您了解更多信息：

Answer 2

在for循环中也应该是：

model = RandomForestRegressor(n_estimators=100)

for train_index, test_index in cv.split(X):

从头开始构建具有交叉验证的随机森林回归量

2 个答案: