用数字标签分类？答案

【问题标题】：Classification with numerical label?用数字标签分类？
【发布时间】：2016-06-05 05:09:55
【问题描述】：

我知道一些分类算法，例如决策树，但我无法将它们中的任何一个用于我手头的问题。

我有一个数据集，其中每一行都包含有关购买的信息。它的列是：

- customer id
- store id where the purchase took place
- date and time of the event
- amount of money spent

我正在尝试做一个预测，根据谁、何地和何时的信息，预测将要花多少钱。

有哪些可能的方法来做到这一点？有什么著名的算法吗？

另外，我目前正在学习 RapidMiner，并且正在试验它的一些功能。我在那里尝试过的所有东西都不允许我有一个实数（花费的金额）作为标签。也许我做错了什么？

【问题讨论】：

您要做的不是分类而是回归。我建议你对回归是什么做一些进一步的研究。为了帮助您入门，请查看“线性回归”。
我同意 Robin 的观点，即回归是模型连续数值的正常方法。但是对于给定的问题，分类方法也是可行的。您可以尝试的不是模拟确切的支出金额，而是预测一系列价格（例如高、低、中）。为此，您可以使用 RapidMiner 中的分箱运算符，然后使用分类器运算符。

标签： machine-learning classification regression data-mining rapidminer

【解决方案1】：

您可以为此使用决策树回归器。使用像 scikit-learn 这样的工具包，您可以使用 DecisionTreeRegressor 算法，其中您的功能将是商店 ID、日期和时间以及客户 ID，而您的目标将是花费的金额。

你可以把它变成一个有监督的学习问题。这是未经测试的代码，但它可能会让您入门

# Load libraries
import numpy as np
import pylab as pl
from sklearn import datasets
from sklearn.tree import DecisionTreeRegressor
from sklearn import cross_validation
from sklearn import metrics
from sklearn import grid_search

def fit_predict_model(data_import):
    """Find and tune the optimal model. Make a prediction on housing data."""

    # Get the features and labels from your data
    X, y = data_import.data, data_import.target

    # Setup a Decision Tree Regressor
    regressor = DecisionTreeRegressor()
    parameters = {'max_depth':(4,5,6,7), 'random_state': [1]}

    scoring_function = metrics.make_scorer(metrics.mean_absolute_error, greater_is_better=False)
    ## fit your data to it ##
    reg = grid_search.GridSearchCV(estimator = regressor, param_grid = parameters, scoring=scoring_function, cv=10, refit=True)
    fitted_data = reg.fit(X, y)

    print "Best Parameters: "
    print fitted_data.best_params_

    # Use the model to predict the output of a particular sample
    x = [## input a test sample in this list ##]
    y = reg.predict(x)
    print "Prediction: " + str(y)

fit_predict_model(##your data in here)

我从一个几乎直接用于预测房价的项目中获取此信息，因此可能存在一些不必要的库，如果不进行验证，您不知道此案例的准确性如何，但这应该可以帮助您入门。

查看此链接：

http://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeRegressor.html

【讨论】：

【解决方案2】：

是的，正如 cmets 指出的那样，您需要的是回归。线性回归听起来确实是一个很好的起点，因为您没有大量变量。

在 RapidMiner 中，将回归输入到 Operators 菜单中，您将在 Modelling-> Functions 下看到几个选项。线性回归、多项式、向量等（还有更多，但作为初学者，让我们从这里开始）。右键单击这些运算符中的任何一个，然后按显示运算符信息，您会看到允许使用数字标签。
接下来滚动浏览操作员的帮助文档，您将看到指向教程过程的链接。使用起来真的很简单，但最好从一个例子开始。

如果您需要任何帮助，请告诉我。

【讨论】：