简单的机器学习问题（SVM，随机森林

Posted 2023-03-12

【中文标题】简单的机器学习问题（SVM，随机森林

【英文标题】：Simple machine learning problem (SVM, random forest

【发布时间】：2019-10-05 12:42:18

【问题描述】：

我正在尝试解决机器学习任务，但遇到了一些问题。任何提示将非常感谢。我的一个问题是，如何为 2 个不同大小的数据帧（2 个标签的数据）创建相关矩阵，看看是否可以将它们合并为一个。

这是任务的全文

此数据集由 1100 个样本组成，每个样本包含 30 个特征。第一列是样本 ID。数据集中的第二列代表标签。标签有 4 个可能的值。其余列是数字特征。

请注意，类是不平衡的：一些标签比其他标签更频繁。您需要决定是否考虑这一点，如果是，如何考虑。

比较支持向量机（由 sklearn.svm.LinearSVC 实现）与 RandomForest（由 sklearn.ensemble.ExtraTreesClassifier 实现）的性能。尝试优化这两种算法的参数并确定哪个最适合该数据集。在分析结束时，您应该已经选择了一种算法及其最佳参数集。

我尝试为具有较低基数的标签的行创建一个相关矩阵，但我不相信它是可靠的

我尝试从具有标签 1 和 2 的行中创建两个新的数据框。这两个标签中的每一个都有 100-150 个条目，而标签 0 和 3 则有 400 个条目。我想检查是否存在高标记为 1 和 2 的数据之间的相关性，看看我是否可以将它们结合起来，但不知道这是否是正确的方法。我试图通过将零附加到较小的数据帧来使数据帧的大小相同，然后为两个数据集一起做一个相关矩阵.这是正确的做法吗

【问题讨论】：

如果有人知道如何有效地解决任务，请给我留言。

请分享你的方法，你卡在哪里。

请不要不要将 cmets 空间用于此类附加信息 - 编辑和更新您的帖子，而不是将其包含在其中。

【参考方案1】：

您的问题和方法不清楚。你能用问题陈述和给你的少量数据集来修改问题吗？

如果您想可视化您的数据集，请将它们绘制成 2,3 或 4 维。 这里有许多绘图工具，例如 3D 散点图、配对图、直方图等等。使用它们来更好地理解您的数据集。