Question

我试图在TPOTClassifier上使用Forest Cover Type Prediction。但是在初始运行之后，它产生的错误就是输出。如果，这会很有帮助您建议如何解决错误。谢谢。

from tpot import TPOTClassifier
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# loading the data
data = pd.read_csv("train.csv")
data_test = pd.read_csv("test.csv")
data.head()
data_test.head()

print data['Cover_Type'].values
data1 = data

data1= data1.rename(columns={'Cover_Type':'class'})
data1.dtypes

features =list(data1.dtypes[1:55].index)
target =list(data1.dtypes[55:56].index)
print data1.dtypes.tail()

## train test split
X_train , X_test, y_train, y_test = train_test_split(data1[features],data1[target],train_size=0.75, test_size=0.25)
X_train.head()

tpot =TPOTClassifier(generations=5, population_size=500, verbosity=2)       
tpot.fit(X_train, y_train)
print (tpot.score(X_test, y_test))
tpot.export('tpot_forest_pipeline.py')

但它的产生错误：

第1代 - 当前最佳内部CV分数：inf

第2代 - 当前最佳内部CV分数：inf

第3代 - 当前最佳内部CV分数：inf

第4代 - 当前最佳内部CV评分：inf

第5代 - 当前最佳内部CV评分：inf

ValueError Traceback（最近一次调用最后一次） in（）

1 tpot = TPOTClassifier（代数= 5，population_size = 500，verbosity = 2）

2 tpot.fit（X_train，y_train）

3 print（tpot.score（X_test，y_test））

4 tpot.export（'tpot_forest_pipeline.py'

355如果不是self._optimized_pipeline：

356引发ValueError（TPOT优化中存在错误

357进程。这可能是因为数据是 358格式不正确，或因为数据错误）ValueError：TPOT优化过程中出现错误。这可能是因为数据格式不正确，或者因为回归问题的数据被提供给TPOTClassifier对象。请确保你正确地将数据传递给了TPOT。

Answer 1

问题是由data1 [features]引起的，它应该是1-D数组，但pandas数据帧是2D数组类数据结构。更改下面的tpot.fit（）代码将解决输入问题。

tpot.fit(pd.np.array(X_train), pd.np.array(y_train).ravel())

TPOTClassifier产生错误

1 个答案: