2016-06-21 3 views
0

Привет Я запустил случайный лес над набором данных, импортированным как df. Теперь я хотел бы экспортировать как результаты (предсказание 0-1), так и прогнозируемые вероятности (массив из двух измерений) и сопоставить их с моим набором данных df. Это возможно? До сих пор я выяснял, как экспортировать отдельный путь в csv. И да, я еще не специалист по пандам. Любой намек?Экспорт результатов на Python

# Import the `RandomForestClassifier` 
from sklearn.ensemble import RandomForestClassifier 


# Create the target and features numpy arrays: 

target = df["target"].values 


features =df[["var1", 
"var2","var3","var4","var5"]] 


features_forest = features 

# Building and fitting my_forest 
forest = RandomForestClassifier(max_depth = 10, min_samples_split=2, n_estimators = 200, random_state = 1) 
my_forest = forest.fit(features_forest, target) 

# Print the score of the fitted random forest 
print(my_forest.score(features_forest, target)) 


print(my_forest.feature_importances_) 


results = my_forest.predict(features) 

print(results) 

predicted_probs = forest.predict_proba(features) 

#predicted_probs = my_forest.predict_proba(features) 

print(predicted_probs) 

id_test = df['ID_CONTACT'] 


pd.DataFrame({"id": id_test, "relevance": results, "probs": predicted_probs }).to_csv('C:\Users\me\Desktop\python\data\submission.csv',index=False) 


pd.DataFrame(predicted_probs).to_csv('C:\Users\me\Desktop\python\data\submission_2.csv',index=False) 
+0

Для первого взгляда это хороший подход - создать 'DataFrame's, а затем использовать' to_csv'. – jezrael

+0

спасибо, но я имею в виду, если я могу напрямую добавить эти результаты в свой оригинальный df, мне действительно не нужен .csv – progster

ответ

1

Вы должны быть в состоянии

df['results] = results 
df = pd.concat([df, pd.DataFrame(predicted_probs, columns=['Col_1', 'Col_2'])], axis=1) 
Смежные вопросы