如何在Python中为2个不同的数据集使用分类器随机森林？

Question

我有2个具有不同变量的数据集。 但是两者都包含一个变量，例如NUM，可以帮助识别事件的发生。 使用NUM，我可以通过标记事件来识别事件。 如何运行RF以有效地包括对两个数据集的考虑？ 由于每个NUM的记录数不同，因此我无法添加它们（以列为单位）。

Answer 1

从您的问题的表达方式来看，我猜您有两个熊猫数据框。

您可以使用pandas.merge将两者拉在一起。 您需要做的只是某种形式的联接。 左边可能是您要寻找的内容，但是如果您只想在两个数据框中都具有NUM值的地方提取数据，请使用内部联接。

请参阅此处的文档： https : //pandas.pydata.org/pandas-docs/stable/genic/pandas.DataFrame.merge.html

这可能是这样的：

pd.merge(df1,df2,how='left',left_on='NUM')

Answer 2

您可以尝试将NUM放在单个列中，并且第一和第二个数据集将使用完全独立的列，并且不匹配的单元格包含空数据。 结果是否良好，将在很大程度上取决于您的数据。