Question

尝试实现XGBoost来确定最重要的变量，我对数组有一些错误。

我的完整代码如下

from numpy import loadtxt
from numpy import sort
import pandas as pd
from xgboost import XGBClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn.feature_selection import SelectFromModel


df = pd.read_csv('data.txt')
array=df.values
X= array[:,0:330]
Y = array[:,330]

X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.33, random_state=7)


model = XGBClassifier()
model.fit(X_train, y_train)


y_pred = model.predict(X_test)
predictions = [round(value) for value in y_pred]

我收到以下错误：

TypeError: type str doesn't define __round__ method

我该怎么办？

Answer 1

y_train中的一些标签很可能实际上是字符串而不是数字。 sklearn和xgboost不要求标签为数字。

尝试检查y_pred。

的类型

from collections import Counter

Counter([type(value) for value in y_pred])

以下是数字标签

的含义示例

import numpy as np
from sklearn.ensemble import GradientBoostingClassifier

# test with numeric labels
x = np.vstack([np.arange(100), np.sort(np.random.normal(10, size=100))]).T
y = np.hstack([np.zeros(50, dtype=int), np.ones(50, dtype=int)])
model = GradientBoostingClassifier()
model.fit(x,y)
model.predict([[10,7]])
# returns an array with a numeric 
array([0])

此处使用字符串标签（相同的x数据）

y = ['a']*50 + ['b']*50
model.fit(x,y)
model.predict([[10,7]])
# returns an array with a string label
array(['a'], dtype='<U1')

两者都是价值标签。但是，当您尝试在字符串变量上使用round时，您会得到您所看到的错误。

round('a')

TypeError: type str doesn't define __round__ method

Answer 2

尝试将“值”表示为整数：

predictions = [round(int(value)) for value in y_pred]

为我工作

type str没有定义round方法错误

2 个答案:

type str没有定义__round__方法错误

2 个答案:

type str没有定义round方法错误