假设我有一个如下所示的数据集：

5.9;0.645;0.12;2;0.075;32;44;0.99547;3.57;0.71;10.2;56;0.31;0.47;3.6;0.067;18;42;0.99549;3.39;0.66;11;6

其中前11列表示特征（如酸度、氯化物等），最后一列表示对物品的评级（例如5或6）

数据集的训练过程如下：

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] 

这会输出类似于下面的结果：

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

现在，为什么它不输出单一的分类结果，例如5或6的评级呢？

文档中说“输入样本的预测类概率被计算为森林中所有树的预测类概率的平均值”，我对此感到困惑。

如果你使用

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

它会输出更符合预期的结果——至少看起来像是评级——但我仍然不明白为什么每个特征都有一个预测，而不是考虑所有特征的单一预测？

回答：

除了Diego的回答之外：

RandomForestClassifier 是一种分类器，用于预测离散类别标签的类别分配，且类别标签之间没有顺序关系。

如果你想输出连续的浮点评级，你应该尝试使用回归模型，例如 RandomForestRegressor。

你可能需要将输出限制在[0, 6]范围内，因为模型可能会输出像 6.2 这样的预测值。

编辑 回答你的第二个问题，predict 方法期望一个样本列表。因此，在你的情况下，你应该提供一个包含一个样本的列表。试试：

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

或者替代方案：

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

我很好奇为什么在这种情况下你没有得到错误提示。

编辑：输出结果看起来不太合理：你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