在 R 中按 ID 分类答案

【问题标题】：Classification in R by ID在 R 中按 ID 分类
【发布时间】：2017-09-27 13:24:19
【问题描述】：

为了性能，我一直在尝试使用 RandomForestSRC 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 表示项目在同一个包中分组在一起，他们还有其他变量可以告诉我结果应该是 X、Y 还是 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    ...
...  ...   ...   ...   ...   ...

在训练算法后，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 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    ...
...  ...   ...   ...   ...   ...

包裹分类规则如下：

如果至少有一项物品被归类为X，则整个包裹应为X；
如果同一个包中只有Y和Z，则该包应归类为Y；
如果包裹中只有Z个物品，那么整个包裹都应该归类为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，使用类似的东西：

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")

但是，似乎没有什么能很好地发挥作用，有时会降低单个项目的准确性。我考虑过分层预测，使用第一个结果作为算法第二次迭代的模型，但我真的不知道如何到达那里。

我是否应该放弃使用随机森林进行分类，而完全尝试其他算法？ nnet 或 h2o 可以为我工作吗？我对数据挖掘和预测算法完全陌生，所以请多多包涵。

【问题讨论】：

标签： r algorithm classification random-forest prediction

【解决方案1】：

经过大量研究，我想我找到了我需要的东西。

我使用了reshape 包来为我的data.frame 建模并将一些变量转换为行。如果其他人需要，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/

在研究了这些材料和google了一些之后，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     ...
...  ...   ...   ...      ...     ...       ...      ...      ...

【讨论】：