Question

这个答案似乎正是我需要为回归器而不是分类器提供的。 https://stackoverflow.com/a/46913459/9726897

我做了非常小的修改，以修改sascha通过链接提供的代码，如下所示。我认为将其用于MLPRegressior会非常简单...但是我收到一条错误消息，我不知道如何解决。任何帮助将不胜感激：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.neural_network import MLPRegressor


estimator_reg = MLPRegressor(
    solver='adam',
    activation='relu',
    learning_rate='adaptive',
    learning_rate_init=.01,
    hidden_layer_sizes=[100],
    alpha=0.01,
    max_iter=1000,
    random_state=42,
    tol=0.0001,
    early_stopping=False,
    warm_start=True,
    beta_1=0.7,
    beta_2=0.98,
    epsilon=0.0000000001,
    verbose=10,
)

""" Home-made mini-batch learning
    -> not to be used in out-of-core setting!
"""
N_TRAIN_SAMPLES = train_data.shape[0]
N_EPOCHS = 25
N_BATCH = 128


scores_train = []
scores_test = []

# EPOCH
epoch = 0
while epoch < N_EPOCHS:
    print('epoch: ', epoch)
    # SHUFFLING
    random_perm = np.random.permutation(train_data.shape[0])
    mini_batch_index = 0
    while True:
        # MINI-BATCH
        indices = random_perm[mini_batch_index:mini_batch_index + N_BATCH]
        estimator_reg.partial_fit(train_data[indices], train_labels[indices])
        mini_batch_index += N_BATCH

        if mini_batch_index >= N_TRAIN_SAMPLES:
            break

    # SCORE TRAIN
    scores_train.append(estimator_reg.score(train_data, train_labels))

    # SCORE TEST
    scores_test.append(estimator_reg.score(test_data, test_labels))

    epoch += 1

""" Plot """
fig, ax = plt.subplots(2, sharex=True, sharey=True)
ax[0].plot(scores_train)
ax[0].set_title('Train')
ax[1].plot(scores_test)
ax[1].set_title('Test')
fig.suptitle("Accuracy over epochs", fontsize=14)
plt.show()

，我收到此错误：
KeyError跟踪（最近一次通话）
在（）
---> 46 estimator_reg.partial_fit（train_data [indices]，train_labels [indices]）
.......
.......
KeyError：'[789 1493 353 33 1011 2029 1696 1649 653 1648 22 2477 2120 1000 \ n 2481 2448 1704 1962 2291 1995 2085 710 967 1839 461 504 1650 2166 \ n 584513676676 1196 1621 2109 766 2012 1017 1636 1286 448 2049 1791 \ n 141 1168 1249 159 2061 2456 431 1799 2249 2379 1169 1044 1010 120 \ n 2503 316 1070 671 1005 2164 975 2371 811 1555 1193 1316 487 1867 \ n 1262 1395 135 2224 32 1509 2132 997 263 233 1614 2317 1432 49 \ n 1251 2227 2536 1955 359 650 2287 792 1900 606 763 1837 742 965 \ n 1190 53 910 2486 738 103 1965 99 1084 123 1061 806 384 2261 \ n 2284 2114 360 1075 1479 1446 455 2294 221 1221 856 10979 2780 189 \ n 2153 1183 ]不在索引中

Answer 1

我猜您的索引不在（0，N_TRAIN_SAMPLES）范围内。
如果删除或过滤了一些行，或者从开头开始包含的索引不在该范围内，则可能会发生这种情况。

尝试更改此行：

random_perm = np.random.permutation(train_data.shape[0])

对此：

random_perm = np.random.permutation(train_data.index.values)

如何获得MLPRegressor每次迭代的训练和考试成绩？

1 个答案: