您知道如何创建类似R风格的集成方法分类器的预测模型吗？
ded.fit(formula="X ~ Y + Z**2", data=fed)目前的代码看起来像这样：
from sklearn.ensemble import RandomForestClassifiermodel = RandomForestClassifier(n_estimators=100, min_samples_leaf=10, random_state=1)model.fit(x_train, y_train)您可能会问我为什么需要这样做？
- 我需要添加更多的变量，不仅是X和Y，还需要Z、P、Q和R。
-
我需要像在R中那样进行实验，看看给某个变量添加指数、乘法或除法是否会增加或减少预测的准确性，如下面的公式所示：
X ~ Y + Z^2" 或 "X ~ Y + Z + (P*2) + Q**2
任何回答都将不胜感激。提前感谢您。
回答：
像下面这样的代码应该可以工作：
import pandas as pdimport numpy as npX = pd.DataFrame(np.random.randint(0,100,size=(100, 2)), columns=list('XZ'))y = np.random.randint(2,size=100) # 用于二分类的数据标签X['Z2'] = X.Z**2 # 添加更多特征print X.head() # 注意添加的特征 Z^2# X Z Z2#0 88 90 8100#1 49 63 3969#2 27 23 529#3 47 71 5041#4 21 98 9604train_samples = 80 # 用于训练模型的样本数X_train = X[:train_samples]X_test = X[train_samples:]y_train = y[:train_samples]y_test = y[train_samples:]from sklearn.ensemble import RandomForestClassifierfrom pandas_ml import ConfusionMatriximport matplotlib.pyplot as pltmodel = RandomForestClassifier(n_estimators=100, min_samples_leaf=10, random_state=1)model.fit(X_train, y_train)y_pred = model.predict(X_test)#print confusion_matrix(y_test, y_pred)cm = ConfusionMatrix(y_test, y_pred)print cm# Predicted 0 1 __all__# Actual# 0 3 4 7# 1 4 9 13# __all__ 7 13 20cm.plot()plt.show()
