我正在用两组“真实” y值（经验值）训练随机森林。我可以轻易说出哪个更好。
但是，我想知道是否存在一种除蛮力之外的简单方法，可以从每组数据中挑选出能够产生最佳模型的值。换句话说，我想自动将这两个y集混合以产生一个新的理想集。
例如说生物活性。不同的实验和不同的数据库提供不同的值。这是一个简单的示例，在第3列和第4列中显示了两组不同的y值。
4a50，DQ7,47.6,45.4
3atu，ADP，47.7,30.7
5i9i，5HV，47.7,41.9
5jzn，GUI，47.7,34.2
4bjx，73B，48.0,44.0
4a6c，QG9,48.1,45.5
我知道第3列更好，因为我已经针对每个模型训练了不同的模型，并且因为我检查了几篇文章以验证哪个值是正确的，而3比4更正确。但是，我有成千上万的行并且无法阅读数千篇论文。
因此，我想知道是否存在一种算法，例如，将3用作真实y值的基础，但是当模型进行改进时会从4中选择值。
这将很有用，它将报告最后的y列，并且可以使用2个以上的列，但我想我可以弄清楚这一点。
现在的想法是找出是否已有解决方案，这样我就不需要重新发明轮子了。
最好
米罗
注意：功能（x）在另一个文件中。
答案 0 :(得分：2)
问题在于，仅算法本身并不知道哪个标签更好。
您可以做什么：在您知道正确的数据上训练分类器。使用分类器为每个数据点指定一个值。将该值与您已经拥有的两个标签列表进行比较，然后选择更接近的标签。
该解决方案显然不是完美的，因为结果取决于分类程序的质量，该质量预测值，并且您仍然需要足够的带标签数据来训练分类器。另外，与您的两个标签列表相比，分类器本身还可以预测更好的值。
答案 1 :(得分：1)
在“随机森林”分类器模型拟合中，将第3列和第4列一起选择为目标/预测/ y值-并根据结果进行预测。因此，您的算法可以跟踪Y值及其与预测值的相关性。您的问题似乎是多输出分类问题，其中有您建议的多个目标/预测变量（多个y-值）。
随机森林使用随机森林支持此多输出分类。 Random Forest fit（X，y）方法支持y为类似于数组的 y：类似于数组，形状= [n_samples，n_outputs]