Question

作为一个项目的一部分，我正在尝试使用Python的SKLearn库中的随机森林分类器。我一直在使用本教程作为指南：https://chrisalbon.com/machine_learning/trees_and_forests/random_forest_classifier_example/。

我的代码逐行遵循本教程，但是唯一的主要区别是数据的结构。在本教程中，有4个功能（数据表中的4列），并且列中的每个条目都是一个数字。在我的代码中，我有1个功能（数据表中的1列），并且列中的每个条目都是一个numpy数组。当我调用fit（）函数时，出现以下错误： ValueError：设置具有序列的数组元素。

这是我的代码：

import pandas as pd
import numpy as np
import random
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import confusion_matrix

trainingData = [[[0, 0, 3], 0.77], [[24, 0, 5], 30], [[0, 0, 4], 0.77], [[0, 0, 0], 0.77]]
vectors_train = []
for i in range (0, len(trainingData)):
    vectors_train.append(trainingData[i][0])

testingData = [[[1, 0, 0], 0.77], [[30, 0, 5], 30], [[0, 0, 0], 0.77], [[0, 0, 0], 0.77]]
vectors_test = []
for i in range (0, len(testingData)):
    vectors_test.append(testingData[i][0])

dataframe_training = pd.DataFrame(trainingData)
dataframe_training['is_train'] = True
dataframe_testing = pd.DataFrame(testingData)
dataframe_testing['is_train'] = False
frames = [dataframe_training, dataframe_testing]
dataframe = pd.concat(frames)
dataframe.rename(index = str, columns = {0: 'Vector', 1: 'Label', 2: 'is_train'})

train, test = dataframe[dataframe['is_train']==True], dataframe[dataframe['is_train']==False]
features = dataframe.columns[:1]
labels_train, uniques = pd.factorize(train[1], sort = True)
clf = RandomForestClassifier()

clf.fit(train[features], labels)              # Value error occurs here

我对错误的实际含义感到困惑。将哪个数组元素设置为一个序列，该序列在哪里？我还知道train[features]是一个DataFrame对象，并且fit（）函数接受两个参数，两个参数都必须类似数组。 labels是一个数组，错误具体指出问题所在的第一个参数，因此我必须要做数据类型转换吗？

当我将clf.fit(train[features], labels)行替换为clf.fit(vectors_train, labels)时，错误消失了。但是，我想知道为什么当我使用与教程相同的策略时它不起作用，以及如何使其以相似的方式起作用。

任何帮助将不胜感激。谢谢！

Answer 1

出现此错误是因为调用fit方法时数据格式不正确。您输入的是列表的DataFrame（只有一列），但是fit方法需要一个numpy数组。

相反，它应该可以工作：

X = np.array(train[features][0].tolist())
clf.fit(X, labels_train)

所以X是一个包含4个示例的数组，每个示例具有3个功能。

Answer 2

删除features变量并进行最后一行：

clf.fit(train[0].tolist(), labels)

上面的代码没有错误。

您的代码无法正常工作，因为您进行columns时返回column[:1]会返回一个只有一列的序列，但是column[0]不会，并且如果您将int馈送到{{1 }}将cls.fit设为train[features]来进行columns[0]，由于它需要一个列表或数组，因此它仍然不起作用，因此features也将起作用。

SKLearn ValueError：使用序列设置数组元素

2 个答案: