使用sklearn的RandomForestRegressor进行预测

Question

可能是一个非常愚蠢的问题，所以对我来说很容易，但我来了。

所以这就是我的数据......

date,locale,category,site,alexa_rank,sessions,user_logins
20170110,US,1,google,1,500,5000
20170110,EU,1,google,2,400,2000
20170111,US,2,facebook,2,400,2000

......等等。这只是我想出的玩具数据集，但它与原始数据类似。

我正在尝试构建一个模型，以使用sklearn的RandomForestRegressor来预测特定网站可以拥有的用户登录次数和会话次数。

我做通常的事情，为标签编码类别，并且我在一年的前八个月训练了我的模型，现在我想预测第九个月的登录和会话。我创建了一个在登录方面受过训练的模型，另一个在会话方面受过培训。

我的测试数据集具有相同的形式：

date,locale,category,site,alexa_rank,sessions,user_logins
20170910,US,1,google,1,500,5000
20170910,EU,1,google,2,400,2000
20170911,US,2,facebook,2,400,2000

理想情况下，我想传入测试数据集而不需要我需要预测的列，但RandomForestRegressor会抱怨培训和测试集之间的维度不同。

当我以当前形式传递测试数据集时，模型会在大多数情况下预测sessions和user_logins列中的精确值，否则会微小变化

我将测试数据中的sessions和user_logins列清零并将其传递给模型，但模型预测几乎全部为零。

• 我的工作流程是否正确？我正确使用RandomForestRegressor吗？
• 当我的测试数据集包含实际值时，我如何接近实际值？测试数据中的实际值是否用于预测？
• 如果模型正常运行，如果我将列{0}想要预测（sessions和user_logins）归零，那么我是否应该获得相同的预测值？< / LI>

Answer 1

您不应该在测试数据中传递要预测的列。您的工作流程不正确。

如果X是您拥有的信息的列集， 如果y是您要预测的信息的列集， 那么你应该在训练期间（使用方法X_train）和（y_train，）仅在测试期间传递（fit，X_test）（使用方法{{ 1}}）。如果您拥有predict，则可以获得y_pred。

在您的示例中，如果您想预测y_test：

user_logins

请查看documentation以获取更多示例，或查看tutorials。