Question

我有一个csv数据集，我正在尝试使用sklearn。目标是预测未来的网络流量。但是，我的数据集在没有访问者的日子里包含零，我想保留该值。有更多的日子，零游客，然后有访客（这是一个小小的网站）。以下是数据

Col1是日期：
11年10月1日
11年10月2日
11年10月3日
等....

Col2是访客人数： 12个
1
0
0
1
5
0
0
等....

sklearn似乎将零值解释为NaN值，这是可以理解的。如何在逻辑函数中使用这些零值（甚至可能）？

更新：估算器为https://github.com/facebookincubator/prophet，当我执行以下操作时：

df = pd.read_csv('~/tmp/datafile.csv')
df['y'] = np.log(df['y'])
df.head()

m = Prophet()
m.fit(df);

future = m.make_future_dataframe(periods=365)
future.tail()

forecast = m.predict(future)
forecast[['ds', 'yhat', 'yhat_lower', 'yhat_upper']].tail()

m.plot(forecast);

m.plot_components(forecast);
plt.show

我得到以下内容：

growthprediction.py:7: RuntimeWarning: divide by zero encountered in log
  df['y'] = np.log(df['y'])
/usr/local/lib/python3.6/site-packages/fbprophet/forecaster.py:307: RuntimeWarning: invalid value encountered in double_scalars
  k = (df['y_scaled'].ix[i1] - df['y_scaled'].ix[i0]) / T
Traceback (most recent call last):
  File "growthprediction.py", line 11, in <module>
    m.fit(df);
  File "/usr/local/lib/python3.6/site-packages/fbprophet/forecaster.py", line 387, in fit
    params = model.optimizing(dat, init=stan_init, iter=1e4)
  File "/usr/local/lib/python3.6/site-packages/pystan/model.py", line 508, in optimizing
    ret, sample = fit._call_sampler(stan_args)
  File "stanfit4anon_model_35bf14a7f93814266f16b4cf48b40a5a_4758371668158283666.pyx", line 804, in stanfit4anon_model_35bf14a7f93814266f16b4cf48b40a5a_4758371668158283666.StanFit4Model._call_sampler (/var/folders/ym/m6j7kw0d3kj_0frscrtp58800000gn/T/tmp5wq7qltr/stanfit4anon_model_35bf14a7f93814266f16b4cf48b40a5a_4758371668158283666.cpp:16585)
  File "stanfit4anon_model_35bf14a7f93814266f16b4cf48b40a5a_4758371668158283666.pyx", line 398, in stanfit4anon_model_35bf14a7f93814266f16b4cf48b40a5a_4758371668158283666._call_sampler (/var/folders/ym/m6j7kw0d3kj_0frscrtp58800000gn/T/tmp5wq7qltr/stanfit4anon_model_35bf14a7f93814266f16b4cf48b40a5a_4758371668158283666.cpp:8818)
RuntimeError: k initialized to invalid value (nan)

Answer 1

在你的代码的这一行：

df['y'] = np.log(df['y'])

当你的df ['y']为零时，你的对数为0，这导致结果数据集中出现警告和NaN，因为没有定义0的对数。

sklearn本身不会将零值解释为NaN，除非您在预处理中用NaN替换它们。

使用sklearn在数据中保留零

1 个答案: