machine-learning - 为范围内存在的输入值选择机器学习算法

Question

我正在根据土壤 pH 耐受值开发最适合裁剪的机器学习模型。存在于范围(例如(5.0-6.0))中的输入值和多个裁剪值位于单个范围值中。比如

------      ---------  
Crop        pH-values 
------      ---------
Apple       (5.0-6.5)
Basil       (5.5-6.5)
Carrot      (5.5-7.0)
Cauliflower (5.5-7.5)
Chervil     (6.0-6.7)
Corn        (5.5-7.5.)
Cucumber    (5.5-7.0)

请建议哪种算法最适合当前问题。

Answer 1

如果你想要的是预测Crop的类型，这就是一个分类问题。您可以首先查看 classifiers 中的一些内容。 Scikit-Learn 中，使用起来非常简单。您还可以通过文档中的示例更好地了解如何继续操作。

<小时/>

• 这是有关如何进行的简要概述

首先，您必须进行一些预处理。您可以首先从 pH 值范围 的上下限中提取信息，例如，您可以这样做:

s = df['pH-values'].str.strip('(&)').str.split('-')
X_df = pd.DataFrame(s.values.tolist(), columns = ['low','high'])
X_df['high'] = X_df.high.str.rstrip('.').astype(float)
X_df['low'] = X_df.low.astype(float)
print(X_df)

   low  high
0  5.0   6.5
1  5.5   6.5
2  5.5   7.0
3  5.5   7.5
4  6.0   6.7
5  5.5   7.5
6  5.5   7.0

下一步是将训练和测试数据提供给您决定使用的任何分类器(例如 RandomForestClassifier)，并预测通过分割数据获得的一些测试数据 X_test在train和test`中:

from sklearn.model_selection import train_test_split
y = df.Crop.values
X = X_df.values

# Split in train and test
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

# Fit the classifier
rf = RandomForestClassifier()
model  = rf.fit(X_train, y_train)

# Predict using X_test
y_pred = model.predict(X_test)

这会给你一些东西:

print(y_pred)
array(['Carrot', 'Carrot', 'Cauliflower'], dtype=object)

最后检查使用定义的模型获得的准确性。为此，您可以使用 accuracy_score :

from sklearn.metrics import accuracy_score
accuracy_score(y_test, y_pred, normalize=False)