我有一个多类别的分类问题，我们称这些类别为A、B、C和D。我的数据具有以下形状：

X=[#samples, #features, 1], y=[#samples,1].

更具体地说，y看起来像这样：

[['A'], ['B'], ['D'], ['A'], ['C'], ...]

当我用这些标签训练随机森林分类器时，这一切都运行良好，然而我多次读到类别标签也需要进行独热编码。经过独热编码后，y是

[[1,0,0,0], [0,1,0,0], ...]

并且具有形状

[#samples, 4]

问题出现在我尝试使用这个作为分类器输入时。模型单独预测四个标签中的每一个，这意味着它也能够产生像[0 0 0 0]这样的输出，这是我不希望看到的。rfc.classes_返回

# [array([0, 1]), array([0, 1]), array([0, 1]), array([0, 1])]

我如何告诉模型标签是独热编码的，而不是应该独立预测的多个标签？我需要更改我的y，还是需要调整模型的一些设置？

回答：

在sklearn中使用随机森林时，您不需要进行独热编码。

您需要的是“标签编码器”，您的Y应该看起来像这样

from sklearn.preprocessing import LabelEncodery = ["A","B","D","A","C"]le = LabelEncoder()le.fit_transform(y)# array([0, 1, 3, 0, 2], dtype=int64)

我尝试修改了sklearn 提供的示例代码：

from sklearn.ensemble import RandomForestClassifierimport numpy as npfrom sklearn.datasets import make_classification>>> X, y = make_classification(n_samples=1000, n_features=4,...                            n_informative=2, n_redundant=0,...                            random_state=0, shuffle=False)y = np.random.choice(["A","B","C","D"],1000)print(y.shape)>>> clf = RandomForestClassifier(max_depth=2, random_state=0)>>> clf.fit(X, y)>>> clf.classes_# array(['A', 'B', 'C', 'D'], dtype='<U1')

无论是使用标签编码处理y，还是不使用，都能与RandomForestClassifier一起工作。