机器学习随机森林分类器

Question

data=pd.DataFrame({'gender':['m','f','m'],'icds':[['i10'],['i20','i30'],['i40']],'med':[[1,2,4,5],[3,4,6],[5,6,7]]})

我应针对哪种类型的数据使用哪种机器学习算法？ 我认为med列中的数组长度不一致。 每当我尝试在随机森林分类器中传递它时， med列基本上就是标签。

Answer 1

是的，您是对的，您应该使用的算法是RF或逻辑运算法也应该很好。 问题在于“ med”列中的数据长度不一致。 如果不需要，您可以使用以下函数对med列数组中的数字数据求平均/求和：

def sum_out(x):
return np.nansum(x)

def avg_out（x）：返回np.nanmean（x）

data = pd.DataFrame（{'gender'：['m'，'f'，'m']，'icds'：[['i10']，['i20'，'i30']，['i40' ]]，'med'：[[1,2,4,5]，[3,4,6]，[5,6,7]]}）

数据['med_sum'] =数据['med']。map（sum_out）数据['med_avg'] =数据['med']。map（avg_out）

Answer 2

您实际上可以将这些药物添加为功能，如下所示：

data=pd.DataFrame({'gender':['m','f','m'],'icds':[['i10'],['i20','i30'],['i40']],'med':[['xanex','isotopin'],['cz3','hicet','t-montair'],['t-montair','xanex']]}) 


all_med= list(np.unique(flatten(list(data['med'].values))))

for meds in all_med:
    med_list=[]
    for i in xrange(len(data)):
        d= data['med'][i]
        if meds in d:
            med_list.append(1)
        else:
            med_list.append(0)
    data[meds]=med_list

输出：

  gender        icds                      med  cz3  hicet  isotopin  \
0      m       [i10]        [xanex, isotopin]    0      0         1
1      f  [i20, i30]  [cz3, hicet, t-montair]    1      1         0
2      m       [i40]       [t-montair, xanex]    0      0         0

   t-montair  xanex
0          0      1
1          1      0
2          1      1