我有一组数值特征（F1，F2，F3，F4，F5），用于我的数据集的每个用户如下。
f1 f2 f3 f4 f5
user1 0.1 1.1 0 1.7 1
user2 1.1 0.3 1 1.3 3
user3 0.8 0.3 0 1.1 2
user4 1.5 1.2 1 0.8 3
user5 1.6 1.3 3 0.3 0
我的目标输出是一个优先的用户列表。 即在下面的例子，如图所示。
f1 f2 f3 f4 f5 target_priority
user1 0.1 1.1 0 1.7 1 2
user2 1.1 0.3 1 1.3 3 1
user3 0.8 0.3 0 1.1 2 5
user4 1.5 1.2 1 0.8 3 3
user5 1.6 1.3 3 0.3 0 4
我想反映用户的优先级的方式来使用这些功能。 目前，我使用sklearns RandomForestRegressor`执行此任务。
但是，我有我的真实数据集最近，它有一些用户没有优先级标记。 这是因为这些用户并不重要，我们公司（更像是普通用户）。
示例（如何真实数据集的样子）：
f1 f2 f3 f4 f5 target_priority
user1 0.1 1.1 0 1.7 1 2
user2 1.1 0.3 1 1.3 3 2
user3 0.8 0.3 0 1.1 2 N/A
user4 1.5 1.2 1 0.8 3 N/A
user5 1.6 1.3 3 0.3 0 1
在这种特殊情况下（即不具有priority label ），它的好处是给他们一个特殊的符号或比现有的优先级（例如，远低得多的优先级100000000000000000 priority ）？ 怎么这样的特殊情况下，在RandomForestRegressor处理？
我很高兴在需要时提供更多的细节？
好吧，如果80-90％的不需要的优先级，你应该建立一个确定的优先级是否需要分配或不分类的，因为这将是一个倾斜的课，我会建议你使用决策树或异常检测作为分类，要求优先将是一个异常数据点，就可以使用Sklearn这些。
决定必须被分配优先级的对象后，我会考虑训练数据相对于优先级分配，你说，优先级的范围从1-100，所以如果你有至少5000个数据点，每个优先级至少有35例，我建议多类分类器（SVC与RBF核是首选），并检查矩阵的准确性，如果不工作，你将不得不使用一个回归的数据，然后一轮的混乱矩阵答案。
我基本上意思是，如果数据足够庞大，且有目标标签中均匀分布，去多类分类，如果数据不够大，去分类，如果你想代码的任何部分，让我知道。
编辑的代码
好了，所以让我们把它从顶部，首先无论是在你的目标的NA值存储为np.nan或它们被存储为喜欢的符号? 或者像直线上升文NA在所有的情况下，这将导致你的目标标签是类型的对象，检查使用df[['target']].dtypes如果它说：整数或浮点数，则可以跳过第一步，但如果它说的对象，那么我们就需要先解决这个问题。
df.loc[df['Target'] == 'N.A.', 'Target'] = np.nan #np = Numpy `N.A.` can be any placeholder that is being used by tour dataset for N.A. values.
df[['target']] = df[['target']].astype(float)
现在让我们看一下第二部分，在那里你需要获得目标的分类，要做到这一点使用
df2 = pd.DataFrame()
df2['Bool'] = df[['Target']] != np.nan
df1 = pd.concat([df, df2], axis = 1)
df1.head() #Sanity check
这将通过每当优先分配将真正更新您的数据帧，本专栏将是你的目标你的分类。 使用注意事项 df1 ，而不是df ，掉落的Target从df1 ，因为它并不重要，对于第一部分。 df1.drop(['Target'], axis = 1, inplace = True)
现在，我要使用随机森林分类在这一点，因为异常检测应该避免，直到类被扭曲高达98％，但你可以看它在这里。
继续前进，构建随机森林分类
clf = RandomForestClassifier(n_estimators=100, max_depth=2) #Note max depth is a hyper parameter and you will need to tune it.
clf.fit (df1.drop(['Bool'],axis=1),df1['Bool'])
要删除的行，其中的输出是假的
df1 = df1[df['Bool'] == True]
然后，只需使用clf.predict()上的新数据。 掉落在输出当属假行和其余数据运行回归。 我假设你可以做回归的部分，因为这是现在已经完全直线前进。 让我知道，如果你面对任何进一步的问题。
