无法理解 scikit 随机森林的输出

Question

假设我有一个这样的数据集：

5.9;0.645;0.12;2;0.075;32;44;0.99547;3.57;0.71;10.2;5
6;0.31;0.47;3.6;0.067;18;42;0.99549;3.39;0.66;11;6

第 11 列表示特征（酸度、氯化物等），最后一列表示给予项目的等级（例如 5 或 6）

数据集是这样训练的：

target = [x[11] for x in dataset]
train = [x[0:11] for x in dataset]

rf = RandomForestClassifier(n_estimators=120, n_jobs=-1)
rf.fit(train, target)

predictions = rf.predict_proba(testdataset)
print predictions[0] 

打印类似的东西

[ 0.          0.01666667  0.98333333  0.          0.          0.        ]

现在，为什么它不输出单个分类，例如 5 或 6 评级？

文档说“输入样本的预测类别概率计算为森林中树木的平均预测类别概率”，我无法理解。

如果你使用

print rf.predict(testdataset[-1])
[ 6.  6.  6.  6.  6.  6.  6.  6.  6.  6.  6.]

它打印的内容更像您所期望的 - 至少看起来像评级 - 但我仍然不明白为什么每个功能都有一个预测，而不是一个考虑所有功能的单一预测？

Answer 1

除了迭戈的回答：

RandomForestClassifier 是一个分类器，用于预测离散数量的类别的类别分配，而无需在类别标签之间进行排序。

如果要输出连续的浮点评分，则应尝试使用回归模型，例如RandomForestRegressor。

您可能必须将输出限制在 [0, 6] 范围内，因为无法保证模型不会输出预测，例如 6.2。

编辑回答你第二点，predict 方法需要一个样本列表。因此，您应该在您的案例中为其提供一个样本列表。试试：

print rf.predict([testdataset[-1]])

或者：

print rf.predict(testdataset[-1:])

我想知道为什么在这种情况下你没有收到错误。

编辑：输出没有真正意义：您的数据集的形状是什么？

>>> print np.asarray(train).shape

>>> print np.asarray(target).shape

>>> print np.asarray(testdataset).shape

Answer 2

从文档中，predict_proba 返回：

p : 形状数组 = [n_samples, n_classes]，或 n_outputs 列表 如果 n_outputs > 1，则为此类数组。输入样本的类概率。 类按算术顺序排序。

这里的关键是最后一个短语“类按算术顺序排序”。 我的猜测是，您的一些训练样本的类别小于 5，predict_proba 分配的概率为零，而类别 5 和 6 的概率分别为 0.01666667 和 0.98333333，而另外 3 个类别，全部 > 6，也有概率为零。