RandomForest Regressor：预测和检查性能答案

【问题标题】：RandomForest Regressor: Predict and check performanceRandomForest Regressor：预测和检查性能
【发布时间】：2016-11-23 11:26:27
【问题描述】：

我正在尝试预测未来 5 天的价格。我跟着this 教程。本教程是关于预测分类变量的，因此使用了 RandomForest 分类器。我使用与本教程中定义的方法相同的方法，但使用的是 RandomForest Regressor，因为我必须预测未来 5 天的最后价格。我很困惑我如何预测

这是我的代码：

import pandas as pd
import numpy as np
from sklearn.ensemble import RandomForestRegressor
from sklearn.ensemble import GradientBoostingRegressor
from sklearn.metrics.ranking import roc_curve, auc, roc_auc_score

priceTrainData = pd.read_csv('trainPriceData.csv')

#read test data set
priceTestData =  pd.read_csv('testPriceData.csv')
priceTrainData['Type'] = 'Train'
priceTestData['Type'] = 'Test'


    target_col = "last"


    features = ['low', 'high', 'open', 'last', 'annualized_volatility', 'weekly_return', 
                'daily_average_volume_10',# try to use log in 10, 30,
                'daily_average_volume_30', 'market_cap']

priceTrainData['is_train'] = np.random.uniform(0, 1, len(priceTrainData)) <= .75
    Train, Validate = priceTrainData[priceTrainData['is_train']==True], priceTrainData[priceTrainData['is_train']==False]

    x_train = Train[list(features)].values
    y_train = Train[target_col].values
    x_validate = Validate[list(features)].values
    y_validate = Validate[target_col].values
    x_test = priceTestData[list(features)].values



    random.seed(100)

    rf = RandomForestRegressor(n_estimators = 1000)
    rf.fit(x_train, y_train)
    status = rf.predict(x_validate)

我的第一个问题是如何指定获得 5 个预测值，第二个问题是如何检查 RandomForest Regressor 的性能？请帮助我。

【问题讨论】：

标签： python regression random-forest

【解决方案1】：

您的 x_validate 本质上是“pandas.core.series.Series”。所以你可以执行这个： x_validate[0:5]

这将通过计算 R 平方值来解决您的第二个问题。 rf.score(x_train,y_train)

【讨论】：