我使用Python的scikit-learn模块来预测CSV文件中的一些值。我使用随机森林回归器来完成这个任务。举个例子，我有8个训练值和3个需要预测的值 – 我应该使用哪种代码？作为要预测的值，我必须一次性给出所有目标值(A)还是分别给出(B)？

方案A：

#读取CSV文件dataset = genfromtxt(open('Data/for training.csv','r'), delimiter=',', dtype='f8')[1:]#要预测的目标值  target = [x[8:11] for x in dataset]#用于训练的训练值 train = [x[0:8] for x in dataset]#开始训练rf = RandomForestRegressor(n_estimators=300,compute_importances = True) rf.fit(train, target)

方案B：

#读取CSV文件dataset = genfromtxt(open('Data/for training.csv','r'), delimiter=',', dtype='f8')[1:]#要预测的目标值  target1 = [x[8] for x in dataset]target2 = [x[9] for x in dataset]target3 = [x[10] for x in dataset]#用于训练的训练值 train = [x[0:8] for x in dataset]#开始训练srf1 = RandomForestRegressor(n_estimators=300,compute_importances = True) rf1.fit(train, target1)rf2 = RandomForestRegressor(n_estimators=300,compute_importances = True) rf2.fit(train, target2)rf3 = RandomForestRegressor(n_estimators=300,compute_importances = True) rf3.fit(train, target3)

哪个版本是正确的？

提前感谢！

回答：

“8个训练值和3个值”在通常的机器学习术语中最好表达为“8个特征和3个目标变量”。

两种方案都应该可以工作，并且RandomForestRegressor已被设计支持多输出回归。

编辑：请查看Andreas的回答。