使用scikit-learn随机森林如何获取预测标签并追加至原输入数据

scikit-learn的随机森林模型内置的predict()方法就可以直接返回预测标签，和你提到的Keras对应功能完全一致，具体操作如下：

1. 核心操作逻辑 #

总共只需要两步即可完成需求：

• 调用训练完成的随机森林实例的predict()方法，传入和训练时维度、顺序一致的输入特征，得到所有样本的预测标签数组
• 将预测标签数组作为新列追加到你的原始输入数据表中

2. 可运行示例代码 #

假设你使用Pandas存储原始数据，参考实现如下：

import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

# --------------------------
# 此处为模拟你已完成的训练逻辑
# --------------------------
# 假设raw_df是你的原始输入数据表，包含特征列和可选的真实标签列
# 假设特征列是['col1','col2','col3']，真实标签列是'true_label'
X = raw_df[['col1','col2','col3']]
y = raw_df['true_label']
# 训练随机森林模型
rf = RandomForestClassifier()
rf.fit(X, y)

# --------------------------
# 追加预测标签到原始数据的核心代码
# --------------------------
# 生成所有样本的预测标签
pred_labels = rf.predict(X)
# 追加到原始数据表，新列名可自定义
raw_df['predicted_label'] = pred_labels

# 如果你需要计算评估指标，直接用新增的列计算即可
acc = accuracy_score(raw_df['true_label'], raw_df['predicted_label'])
print(f"模型准确率: {acc}")

3. 注意事项 #

• 传入predict()的特征数据必须和模型训练时的特征数量、列顺序完全一致，避免预测结果异常
• 如果需要输出每个类别的预测概率，可以调用predict_proba()方法，返回的数组每一列对应一个类别的预测概率
• 如果你的原始数据包含未标注的待预测样本，同样可以用上述方法追加预测结果

内容的提问来源于stack exchange，提问作者Nick Choi