RandomForestSRC
为了性能,我一直在尝试使用包在 R 中进行一些分类。
在这种特殊情况下,我有以下示例 data.frame,其中 Y 是分类因子 c("X","Y","Z"),ID 表示项目组合在同一个包中,并且它们我还有其他变量会告诉我结果是否应该是 X、Y 或 Z:
y ID x1 x2 x3 ...
X 01 AA BB CC ...
X 01 AA BB DD ...
X 01 AA FF EE ...
Y 02 AA BB CC ...
Y 02 AA BB EE ...
Z 03 AA FF CC ...
Z 03 AA FF EE ...
... ... ... ... ... ...
训练算法后,它成功地为我提供了以下结果,每个项目的准确率都很高,但没有按包裹 ID 对项目进行分组:
y ID x1 x2 x3 ...
Y 01 AA BB CC ...
X 01 AA BB DD ...
Z 01 AA FF EE ...
Y 02 AA BB CC ...
Y 02 AA BB EE ...
Z 03 AA FF CC ...
Z 03 AA FF EE ...
... ... ... ... ... ...
包裹分类规则应如下:
如果至少有一个物品被归类为 X,则整个包裹应为 X;
如果同一个包裹中只有Y和Z,则该包裹应归类为Y;
如果包裹中只有 Z 件物品,则整个包裹应归类为 Z。
因此,出于分类目的,包装上的重量应为 X > Y > Z。
我试过摆弄给算法的公式,使用以下内容:
rf <- rfsrc(y ~ ., data = model, method = "class")
rf <- rfsrc(y ~ ID %in% (x1+x2+x3+...), data = model, method = "class")
rf <- rfsrc(y ~ (x1+x2+x3+...) / ID, data = model, method = "class")
然而,似乎没有什么工作真的很好,有时会降低单个项目的准确性。我想过分层预测,使用第一个结果作为算法第二次迭代的模型,但我无法真正找到如何到达那里。
我应该放弃使用随机森林进行分类,而完全尝试其他算法吗?也许可以nnet
,或者h2o
为我工作?我对数据挖掘和预测算法完全陌生,所以请耐心等待。
经过大量研究,我想我找到了我需要的东西。
我使用该reshape
包对我的 data.frame 进行建模并将一些变量转换为行。如果其他人需要它,这些是我遵循的材料:
http://had.co.nz/reshape/introduction.pdf
https://www.r-statistics.com/2012/01/aggregation-and-restructuring-data-from-r-in-action/
在研究了这些材料并进行了一些谷歌搜索后,我想出了以下代码:
library(reshape)
aux <- melt(myData, id=c('y','ID','x1'))
myData <- as.data.frame(cast(aux, ... ~ variable+value, function(x) { length(x) != 0}))
结果是以下重塑的data.frame:
y ID x1 x2_BB x2_FF x3_CC x3_DD x3_EE ...
X 01 AA TRUE TRUE TRUE TRUE TRUE ...
Y 02 AA TRUE FALSE TRUE FALSE TRUE ...
Z 03 AA FALSE TRUE TRUE FALSE TRUE ...
... ... ... ... ... ... ... ... ...
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句