“手动”分配培训和测试数据

Question

我组装了一个数据框，其中包含日期，所述日期的天气，指定是否有森林火灾的虚拟对象以及该森林火灾的燃烧区域。 问题是，如果我使用train_test_split，则我的机器学习模型将使用整个数据，并且数据框中只有5％的日期发生森林火灾，因此它倾向于自我训练以实际预测所有日子都不会发生火灾。还是什么，我还是不明白。

无论如何，我相信如果只用包含森林火灾的日子训练模型，然后使用整个数据帧进行测试，则可以更好地预测森林火灾。 有人知道我该怎么做吗？ 我正在使用python 3和jupyter笔记本。我相信RandomForest也最适合此机器学习问题。

Answer 1

您正在处理的数据集不平衡。有多种处理方式，具体取决于您可用的数据。

如果您有非常大的数据集，则可以使用挑剔的样本训练模型，一半进行森林大火，一半进行无火。

如果不是这种情况，则需要进一步说明。例如，您可以详细了解here。