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]]})

对于这种类型的数据，我应该使用哪种机器学习算法？我认为med列中的数组长度不一致。每当我试图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，你是对的，你应该使用的算法是RF或logistic也应该是好的。问题是“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中间列数组中的数字数据进行平均/求和：

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

np.nanmean(x)：返回def (X)

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

data‘’med_sum‘=data’‘med’.map(Sum_out)data‘’med_avg‘=data’‘med’.map(Avg_out)

Answer 2

实际上，您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