我尝试使用pyspark ml (spark 2.4.0)运行一个随机森林分类器，并使用OHE对目标标签进行编码。当我将标签作为整数(字符串索引器)输入时，该模型训练得很好，但当我使用OneHotCodeEstimator输入一个热编码的标签时，该模型就失败了。这是火花限制吗？#%%import pys
浏览 74提问于2020-06-30得票数 0
回答已采纳
2回答
是否需要对python中的随机森林分类器进行一次热编码？我想从逻辑上理解，随机林中是否可以用标签编码来处理分类特性，而不是单热编码。
浏览 4提问于2021-01-14得票数 0
1回答
当使用scikit的分类器-学习多类问题时，是否需要用一种热编码对标签进行编码？例如，我有3个类，在将这些数据输入不同的分类器以进行培训时，简单地将它们标记为0、1和2。据我所知，它似乎运转正常。但是，有什么理由不推荐这种基本编码吗？
有些算法，如随机森林，本机处理分类值。对于logistic回归、多层感知器、
浏览 1提问于2018-07-25得票数 3
回答已采纳
1回答
我的数据集包含13个属性，包括10个数字属性和3个分类属性和目标。它有180个观测数据所有的分类都是不序数的，每个分类都有以下几类：CatFeature2: 0/1/2这是一个二元分类</em
浏览 0提问于2019-09-16得票数 1
回答已采纳
1回答
我正在尝试使用pyspark.ml库构建一个随机森林分类器，用于数据挖掘(，而不是RDD的mllib )。我是否必须使用文档中给出的管道？/ml/classification.py", line 910, in __init self.setParams(**kwargs)
File "/usr/lib/spark/py
浏览 0提问于2017-10-18得票数 0
我有一个具有大量预测变量的数据集，我希望使用它们来预测一些输出变量。然而，我想预测的一些事情是绝对的，其他的是连续的；我想要预测的事情并不是独立的。比如，学习如何混合分类器和回归函数，这样我就可以预测和解开这些变量了吗？(我目前正在研究梯度提升分类器/回归器，但可能有更好的选择。)
浏览 0提问于2021-06-14得票数 1
1回答
将编码器标记为类别
、、、、
我创建了一个带有随机森林的ML模型，它有27个特性的6000+数据，其中大约22个是分类数据，我在it.Now上使用了标签编码器，当我不得不预测结果时，当我将细节作为分类数据输入时，它被转换成由标签编码器先前分配给data.Or的相同数字，我应该使用什么方法？
浏览 3提问于2022-10-17得票数 0
1回答
在随机森林的Mllib版本中，有可能用参数categoricalFeaturesInfo指定具有名义特征(数值但仍然是绝对变量)的列，那么ML随机森林是什么呢？在用户指南中，它使用VectorIndexer来转换向量中的分类特征，但是它被写成“自动识别分类特征，并对它们进行索引”
I发现，在随机森林中，数字索引无论如何都被视为连续的特性，因此建议进行一次
浏览 1提问于2017-10-15得票数 6
回答已采纳
2回答
单标签多类分类随机森林蟒蛇
、、、、
我是机器学习的新手，目前正在处理由分类数据组成的csv文件格式的数据集。作为预处理的一种手段，我对数据集中的所有变量进行了热编码。 目前，我正在尝试应用随机森林算法将条目分类为4个类别中的一个。我的问题是，我不知道这一个热编码变量到底发生了什么。我如何将它们提供给算法？它能区分buying_price_high
浏览 19提问于2019-10-02得票数 0
回答已采纳
3回答
多类问题单热编码类标签的正确方法
、、、、
我有一个多类的分类问题，我们把它们称为A、B、C和D。我的数据的形状如下：[[1,0,0,0], [0,1,0,0], ...]并且有这个形状
浏览 1提问于2020-04-14得票数 1
回答已采纳
1回答
我有一个4000万×22的整数数据数组，用于分类任务。大多数功能都是分类数据，使用不同的整数值来表示不同的类别。例如，在列“Color”中，0表示蓝色，1表示红色，依此类推。是否有必要将这些数据纳入SK-learn中的任何分类模型？我试图将数据拟合成随机森林模型，但精度极差。我也尝试过一次热编码将数据转换成虚拟变量，但是我的计算机在使用一次热<e
浏览 5提问于2015-01-09得票数 2
回答已采纳
5回答
假设我有一个分类特征，即颜色，它采用以下值我想用它来预测随机森林中的一些东西。如果我只对它进行一次热编码(即我将它更改为四个虚拟变量)，我如何告诉sklearn这四个虚拟变量实际上是一个变量？具体来说，当sklearn随机选择要在不同节点上使用的特性时，它要么应该将红色、蓝色、绿色和橙色的假人放在一起，要么不应该包含其中的任何一个。我听说没有办法做到这一点，但我想，必须有<
浏览 12提问于2014-07-12得票数 77
回答已采纳
1回答
我正在处理我在kaggle上找到的一个自动数据集。除了马力、车长、汽车重量等数值外，它还有多个分类变量，如：我想使用随机森林分类器来执行特征选择，并将所有这些变量作为输入。我知道，在这样做之前，必须对分类变量进行编码。处理这些变化基数的数据
浏览 3提问于2022-02-03得票数 1
我想要运行随机森林算法上的火花。在中提到，VectorAssembler只接受数字或布尔数据类型。因此，如果我的数据包含Stringtype变量，比如城市名称，那么我是否应该对它们进行一次热编码，以便进一步进行随机森林分类/回归？下面是我一直在尝试的代码，输入文件是：
train=sqlContext.read.format('com.databricks.spark.csv').opt
浏览 9提问于2017-09-20得票数 3
回答已采纳
我的代码已经变得相当大，所以我将解释步骤1。我的火花数据中有8000列和68k行。在8k列中，有500个是分类的，我将pyspark.ml一个热编码作为ml.pipeline encoders2 = [OneHotEncoder(inputCol=c, outputCol但这是非常缓慢的，甚至在3个小时后，它还没有完成。我在12个节点上使用40 12内存！2.因此，我阅读了pysp
浏览 4提问于2017-05-23得票数 0
回答已采纳
有两个数据集----培训--一组特性和一组数据集，这些特性的标签还有待预测(是新的)。
我需要规范传入的功能吗？(常识告诉我，是的)如果是的话，我应该从训练数据
浏览 3提问于2015-09-19得票数 1
我正在尝试提取我使用PySpark训练的随机森林对象的特征重要性。但是，我在文档中没有看到这样做的示例，也不是RandomForestModel的方法。如何在PySpark中从RandomForestModel回归器或分类器中提取特征重要性？
以下是文档中提供的示例代码，用于帮助我们入门；但是，其中并没有提到特性的重要性。from pys
浏览 2提问于2015-03-11得票数 16
我用分类数据构建模型已经有一段时间了，在这种情况下，我基本上默认在构建模型之前使用scikit-learn的LabelEncoder函数来转换这些数据。我理解OHE、LabelEncoder和DictVectorizor在数据处理方面的区别，但我不清楚的是，您什么时候可以选择使用一种技术而不是另一种技术。
浏览 0提问于2015-12-19得票数 171
回答已采纳
2回答
我想开发一个ML模型，允许我的公司根据各种参数，比如业绩、缺勤率、地点、年龄、团队经理等，来突出那些有离开企业风险的员工。我们有一个相当多样化的数据库，里面有已经离开公司的人，每个输入的价值都可以用来训练模型。输出是一个简单的1或0:基于所有的输入，一个人要么处于‘风险’，要么‘不处于离开的风险’，而没有立即要求任何风险程度的指示。我有点像个ML新手，但在研究了各种类型的ML模型之后，我找不到任何与
浏览 0提问于2021-10-11得票数 -1
我使用h20和r将随机森林转换为使用SciKit Learn的随机森林分类器和python的随机森林。H2O的randomForest模型有一个参数'stopping_rounds‘。有没有一种使用SKLearn随机森林分类器模型在python中做到这一点的方法？我已经看过文档了，所
浏览 16提问于2019-10-09得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
