python - 堆积分类器：适合数据时的IndexError

Question

我正在使用银行数据来预测每日的门票数量。我正在使用堆叠来获得更准确的结果并使用brew库。

以下是重要功能的示例数据集：

[] 以下是目标属性示例：

[]

以下是代码：

from stacked_generalization.lib.stacking import StackedClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.linear_model import LogisticRegression, RidgeClassifier
# Stage 1 model
bclf = LogisticRegression(random_state=1)

# Stage 0 models
clfs = [RandomForestClassifier(n_estimators=40, criterion = 'gini', random_state=1),
        gbm,
        RidgeClassifier(random_state=1)]

sl = StackedClassifier(bclf, clfs)
sl.fit(training.select_columns(features).to_dataframe().as_matrix(), np.array(training['class']))

以下是培训数据格式：

[[  21   11 2014   46    4    3]
 [  22   11 2014   46    5    4]
 [  24   11 2014   47    0    4]
 ..., 
 [  30    9 2016   39    4    5]
 [   3   10 2016   40    0    1]
 [   4   10 2016   40    1    1]]

现在，当我尝试拟合模型时，它会出现以下错误：

但是，我将我的代码与库中给出的示例进行了比较，但仍然无法弄清楚我哪里出错了。请帮助我。

Answer 1

我有一个类似的问题，似乎只是一个需要修复的brew中的错误。问题是c.classes_（或类的数量）返回一个带浮点数的numpy数组（例如，如果你有两个类，它返回[0.0,1.0]而不是整数（[0,1]）。代码试图使用这些浮点数来索引列，但不能使用浮动索引numpy列。

probas.shape =＃rows =＃training examples; ＃columns =＃of classes

c.predict_proba(X)为每个训练示例返回每个类的概率。

probas[:, list(c.classes_)] = c.predict_proba(X)

应该使用类＃来索引probas中的列，将X中每行的每个类的概率放入probas中。

如果添加astype（int）

，这将有效

probas[:, list(et.classes_.astype(int))] = et.predict_proba(X)

或只是

probas = np.copy(et.predict_proba(X))