scikit-learn随机森林的输入

Question

我想预测网球比赛的输出 - 只是一个有趣的一面项目。我使用随机森林回归来做到这一点。现在，其中一个特征是在特定比赛之前球员的排名。对于很多比赛我没有排名（我只有前200名排名）。问题是 - 把一个不是整数的值放在一个比较好的位置，比如字符串"NoRank"，或者输入一个超出1-200范围的整数？考虑到学习算法，我倾向于把价值201，但我想听听你的意见.. 谢谢！

Answer 1

不幸的是，scikit-learn随机森林不支持缺失值。如果您认为没有排名的球员可能表现得最差，那么球员平均排名为200，那么输入201排名就是合理的。

注意：所有scikit-learn模型都需要同类数字输入功能，而不是字符串标签或其他python对象。如果您有字符串标签作为功能，首先需要根据字符串要素的含义（例如，分类变量标识符或自由文本作为一包字提取）来找到正确的feature extraction strategy。