RandomForest 다중 출력 알고리즘

 

 MultiOutputClassifier : 다중 분류 알고리즘

- 하나의 데이터를 여러 속성으로 분류하고 싶을 때 사용

 

from sklearn.datasets import make_classification
from sklearn.multioutput import MultiOutputClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.utils import shuffle
import numpy as np


X, y_11 = make_classification(n_samples=10, n_features=20, n_informative=14, n_classes=3, random_state=1)
y_2 = shuffle(y1, random_state=1)
y_3 = shuffle(y1, random_state=2)
Y = np.vstack((y_1, y_2, y_3)).T
n_samples, n_features = X.shape # 10,20
n_outputs = Y.shape[1] # 3
n_classes = 3
forest = RandomForestClassifier(random_state=1)
multi_target_forest = MultiOutputClassifier(forest, n_jobs=-1)
multi_target_forest.fit(X, Y).predict(X)

[ 설명 ]

1. make_classification() : 가상 데이터 생성

  make_classification(n_samples=10, n_features=20, n_informative=14, n_classes=3, random_state=1)

   가. n_samples : 표본 데이터 수

   나. n_features : 독립변수 수

   다. n_informative : 독립변수 중 종속변수와 상관 관계가 있는 성분의 수

   라. n_classes : 종속변수 클래스 수

   마. random_state : 난수 생성, 같은 학습 데이터(테스트 데이터) 생성

2. np.vstack() : 행으로 쌓는 것

3. MultiOutputClassifier(forest, n_jobs=-1)

  가. MultiOutputClassifier : 다중 분류 알고리즘

  나. n_jobs : CPU 코어 수, CPU를 얼마나 쓸건지를 결정, -1이면 다 쓰는 것