本文介绍了在Python中使用factorize()后如何获取原始值？的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我是一个初学者，正在尝试使用Python中的随机森林，使用训练和测试数据集来创建预测模型。序列["允许/阻止"]可以取4个预期值中的1个(所有字符串)。测试["允许/阻止"]是需要预测的。
y,_ = pd.factorize(train["ALLOW/BLOCK"])
y
Out[293]: array([0, 1, 0, ..., 1, 0, 2], dtype=int64)
我使用predict进行预测。
clf.predict(test[features])
clf.predict(test[features])[0:10]
Out[294]: array([0, 0, 0, 0, 0, 2, 2, 0, 0, 0], dtype=int64)
如何获取原始值而不是数值？以下代码是否确实比较了实际值和预测值？
z,_= pd.factorize(test["AUDIT/BLOCK"])
z==clf.predict(test[features])
Out[296]: array([ True, False, False, ..., False, False, False], dtype=bool)
推荐答案
首先，您需要将pd.factorize返回的label保存如下：
y, label = pd.factorize(train["ALLOW/BLOCK"])
得到数值预测后，您可以通过label[pred]：
pred = clf.predict(test[features])
pred_label = label[pred]
pred_label包含具有原始值的预测。
不，您不应该重新分解测试预测，因为标签很可能是不同的。请考虑以下示例：
pd.factorize(['a', 'b', 'c'])
# (array([0, 1, 2]), array(['a', 'b', 'c'], dtype=object))
pd.factorize(['c', 'a', 'b'])
# (array([0, 1, 2]), array(['c', 'a', 'b'], dtype=object))
因此标签取决于元素的顺序。
这篇关于在Python中使用factorize()后如何获取原始值？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！
本站部分内容来源互联网,如果有图片或者内容侵犯您的权益请联系我们删除！