Question

我想在一堆矩阵上训练一个随机森林（下面的第一个链接为例）。我想将它们分类为“g”或“b”（好或坏，a或b，1或0，无关紧要）。

我已经调用了脚本randfore.py。我目前正在使用10个示例，但是一旦我实际启动并运行，我将使用更大的数据集。

以下是代码：

# -*- coding: utf-8 -*-
import numpy as np
import pandas as pd
import os

import sklearn
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier

working_dir = os.getcwd() # Grabs the working directory

directory = working_dir+"/fakesourcestuff/" ## The actual directory where the files are located

sources = list() # Just sets up a list here which is going to become the input for the random forest

for i in range(10):
    cutoutfile = pd.read_csv(directory+ "image2_with_fake_geotran_subtracted_corrected_cutout_" + str(i) +".dat", dtype=object) ## Where we get the input data for the random forest from
    sources.append(cutoutfile) # add it to our sources list

targets = pd.read_csv(directory + "faketargets.dat",sep='\n',header=None, dtype=object) # Reads in our target data... either "g" or "b" (Good or bad)


sources = pd.DataFrame(sources) ## I convert the list to a dataframe to avoid the "ValueError: cannot copy sequence with size 99 to array axis with dimension 1" error. Necessary?

# Training sets
X_train = sources[:8] # Inputs
y_train = targets[:8] # Targets

# Random Forest
rf = RandomForestClassifier(n_estimators=10)
rf_fit = rf.fit(X_train, y_train)

这是当前的错误输出：

Traceback (most recent call last):
  File "randfore.py", line 31, in <module>
    rf_fit = rf.fit(X_train, y_train)
  File "/home/ithil/anaconda2/envs/iraf27/lib/python2.7/site-packages/sklearn/ensemble/forest.py", line 247, in fit
    X = check_array(X, accept_sparse="csc", dtype=DTYPE)
  File "/home/ithil/anaconda2/envs/iraf27/lib/python2.7/site-packages/sklearn/utils/validation.py", line 382, in check_array
    array = np.array(array, dtype=dtype, order=order, copy=copy)
ValueError: setting an array element with a sequence.

我尝试制作dtype =对象，但它没有帮助。我只是不确定我需要采取什么样的操作才能完成这项工作。

我认为问题是因为我附加到源的文件不仅仅是数字，而是数字，逗号和各种方括号的混合（它基本上是一个大矩阵）。有一种自然的方式来导入它吗？特别是方括号可能是一个问题。

在我将源转换为DataFrame之前，我收到以下错误：

ValueError：无法将大小为99的序列复制到维度为1的数组轴这是由于我输入的尺寸（100行长）和我的目标有10行1列。

以下是第一个被读入切口的文件（它们都是完全相同的样式）的内容用作输入： https://pastebin.com/tkysqmVu

以下是faketargets.dat的内容，目标： https://pastebin.com/632RBqWc

有什么想法吗？非常感谢。我相信这里有很多根本的混乱。

Answer 1

尝试写作：

X_train = sources.values[:8] # Inputs
y_train = targets.values[:8] # Targets

我希望这能解决你的问题！

如何操作我的数据以允许随机森林在其上运行？

1 个答案: