Question

我想将numpy数组的第12列作为分类功能。

该列的int值从1到10。

我尝试过：

cbr.fit(X_train, y,
        eval_set=(X_train_test, y_test),
        cat_features=[X_train[:,12]],
        use_best_model=True,
        verbose=100)

但是出现此错误：

CatboostError：“数据”是np.float32的numpy数组，表示没有分类特征，但是“ cat_features”参数指定了非零数量的分类特征

Answer 1

分类要素不能为浮点值。这样做的原因是将分类要素视为字符串，并且如果您从文件或数据框中读取要素值，我们必须使用相同的字符串。我们不能对浮点值执行此操作，但可以对字符串和整数执行此操作。

要解决您的问题，您需要使用数据框，其中具有分类特征的列将是整数或字符串类型。

例如，

from catboost import CatBoostClassifier, Pool
import pandas as pd

data = pd.DataFrame({'string_column': ['val0', 'val1', 'val2'],
                     'int_column': [1,2,3],
                     'float_column': [1.2,2,4.1]})
print(data)
print(data.dtypes)

train_data = Pool(
    data=data,
    label=[1, 1, -1],
    weight=[0.1, 0.2, 0.3],
    cat_features=[0, 1]
)

model = CatBoostClassifier(iterations = 10)
model.fit(X=train_data)

Answer 2

从字面上看，在numpy数组中使用Catboost中的分类功能几乎是不可能的。

原因是它会针对整个数组（浮点）转换为一种数据类型，因此Catboost要求您的分类特征为int类型。不能混合。现在，您可以改为构建一个数据框，并确保其中的dtypes正确。

df = df.astype(dtype={
    'cat_feature1':int,
    ...
})

从那里可以执行以下操作：

df_int_list = df.select_dtypes(include='int').values.tolist()
df_no_int_list = df.select_dtypes(exclude='int').values.tolist()

df_list = []
for i,v in enumerate(df_int_list):
    df_list = df_list + [v+df_no_int_list[i]]

之所以可行，是因为dataframe.Values将转换为numpy数组，然后将其转换为列表。如果列表中只有整数值，它将使用该值。

cat_features=list(range(0,len(dataframe_int_list[0])))
train_data = Pool(
    data=df_list, # ensure your target values are removed
    label=... # insert your target values
    cat_features=cat_features
)

model = CatBoostClassifier()
model.fit(X=train_data)

如何在Catboost Python中将numpy数组作为分类功能传递

2 个答案: