商品名略称は、カテゴリ変数なんだ。
了解しました。カテゴリ変数として扱うために、商品名略称を適切にエンコードする必要があります。通常、カテゴリ変数をエンコードする方法としては、One-Hotエンコーディングやラベルエンコーディングなどがあります。ランダムフォレストでは、通常はOne-Hotエンコーディングが使用されます。
以下は、One-Hotエンコーディングを用いて商品名略称を処理する例です。
python
# One-Hotエンコーディング X_encoded = pd.get_dummies(X, columns=["商品名略称"]) # 訓練データとテストデータに分割 X_train_encoded, X_test_encoded, y_train_encoded, y_test_encoded = train_test_split(X_encoded, y, test_size=0.2, random_state=42) # ランダムフォレストモデルを定義して学習 model_encoded = RandomForestRegressor(random_state=42) model_encoded.fit(X_train_encoded, y_train_encoded) # テストデータを用いて予測 y_pred_encoded = model_encoded.predict(X_test_encoded) # 評価 mse_encoded = mean_squared_error(y_test_encoded, y_pred_encoded) mae_encoded = mean_absolute_error(y_test_encoded, y_pred_encoded) r2_encoded = r2_score(y_test_encoded, y_pred_encoded) print("Mean Squared Error (One-Hot Encoding):", mse_encoded) print("Mean Absolute Error (One-Hot Encoding):", mae_encoded) print("Coefficient of Determination (R^2) (One-Hot Encoding):", r2_encoded)
このコードは、商品名略称をOne-Hotエンコーディングしてからランダムフォレストモデルを学習し、性能を評価します。