如何使用 RandomForest 预测 n 天后的结果？

Question

如何使用随机森林分类器进行预测？但未分类测试数据？

比如我有这样一个数据集

1. [日期、温度、湿度、变化]
2. [2018-04-05, 30, 75%, 南]
3. [2018-04-06, 30, 90%, 0]
4. [2018-04-07, 31, 80%,1]
5. [2018-04-08, 32, 50%,1]
6. [2018-04-09, 29, 80%,-1]

"Change"是要预测的目标。我想预测未来 10 天内的所有 "Change" 值。我该怎么做？我正在使用 Python。谢谢！！

Answer 1

您不会使用 RandomForestClassifier() 模型集合，

而是.RandomForestRegressor()。

---

主要工作流程是这样的：

您将实例化监督学习 "empty" ensemble-model 用于回归：

   aRfREGRESSOR = sklearn.ensemble.RandomForestRegressor( <_Learner_PARAMETERs_> )

接下来，

您将准备训练数据：

 X = transform_input_data_into_X_features_( <_input_data_on_MEASUREMENTs_> )
 y = transform_input_data_into_Y_GND_TRUTH( <_input_data_on_CHANGE_on_10thDAY_after> )

接下来，

您将使用监督训练方法训练模型，同时提供 X（观察值）和 y（各自的预测目标）：

 aRfREGRESSOR.fit( X, y )

接下来，

ensemble-model 现在可以进行预测了：

aRfREGRESSOR.predict( transform_input_data_into_X_features(  <_a_MEASUREMENT_> ) )