如何使用RandomForest预测n天后的结果？

Question

如何使用随机森林分类器进行预测？但没有将测试数据归类？

例如，我有一个像

这样的数据集

1. [日期，温度，潮湿，变化]
2. [2018-04-05,30,05％，nan]
3. [2018-04-06,30,90％，0]
4. [2018-04-07,31,80％，1]
5. [2018-04-08,32,50％，1]
6. [2018-04-09,29,80％， - 1]

＆＃34;变更＆＃34;是预测的目标。我想预测所有的变化＆＃34;未来10天的价值。我该怎么做？我正在使用Python。谢谢！

Answer 1

您不会使用RandomForestClassifier()模型集合

但 .RandomForestRegressor() 代替。

主要工作流程如下：

您将实例化用于回归的监督学习“空”集合模型：

   aRfREGRESSOR = sklearn.ensemble.RandomForestRegressor( <_Learner_PARAMETERs_> )

接着，

您将准备培训数据：

 X = transform_input_data_into_X_features_( <_input_data_on_MEASUREMENTs_> )
 y = transform_input_data_into_Y_GND_TRUTH( <_input_data_on_CHANGE_on_10thDAY_after> )

接着，

您将使用监督培训方法训练模型，提供 X （观察）和 y （各自的预测目标） ）：

 aRfREGRESSOR.fit( X, y )

接着，

整体模型现在可以做出预测了：

aRfREGRESSOR.predict( transform_input_data_into_X_features(  <_a_MEASUREMENT_> ) )