คอลัมน์เวกเตอร์ y ถูกส่งผ่านเมื่อคาดว่าอาร์เรย์ 1d

ฉันต้องพอดีRandomForestRegressorจากsklearn.ensemble.

forest = ensemble.RandomForestRegressor(**RF_tuned_parameters)
model = forest.fit(train_fold, train_y)
yhat = model.predict(test_fold)

รหัสนี้ใช้งานได้ตลอดจนกระทั่งฉันทำการประมวลผลข้อมูลล่วงหน้า ( train_y) ข้อความแสดงข้อผิดพลาดระบุว่า:

DataConversionWarning: คอลัมน์เวกเตอร์ y ถูกส่งผ่านเมื่อคาดว่าอาร์เรย์ 1d โปรดเปลี่ยนรูปร่างของ y เป็น (n_samples,) เช่นใช้ ravel ()

รุ่น = forest.fit (train_fold, train_y)

ก่อนหน้าtrain_yนี้เป็นซีรี่ส์ตอนนี้เป็นอาร์เรย์จำนวนนับ (เป็นคอลัมน์เวกเตอร์) ถ้าฉันใช้train_y.ravel()มันจะกลายเป็นเวกเตอร์แถวและไม่มีข้อความแสดงข้อผิดพลาดปรากฏขึ้นผ่านขั้นตอนการคาดคะเนใช้เวลานานมาก (จริง ๆ แล้วมันจะไม่เสร็จสิ้น ... )

ในเอกสารของRandomForestRegressorฉันพบว่าtrain_yควรกำหนดเป็นy : array-like, shape = [n_samples] or [n_samples, n_outputs] ความคิดใด ๆ ในการแก้ปัญหานี้?

เปลี่ยนบรรทัดนี้:

model = forest.fit(train_fold, train_y)

ถึง:

model = forest.fit(train_fold, train_y.values.ravel())

แก้ไข:

.valuesจะให้ค่าในอาร์เรย์ (รูปร่าง: (n, 1)

.ravel จะแปลงรูปร่างอาร์เรย์นั้นเป็น (n,)

ฉันยังพบสถานการณ์นี้เมื่อฉันพยายามฝึกตัวจำแนกKNN แต่ดูเหมือนว่าคำเตือนจะหายไปหลังจากที่ฉันเปลี่ยน:
knn.fit(X_train,y_train)
เป็น
knn.fit(X_train, np.ravel(y_train,order='C'))

import numpy as npข้างหน้าของเส้นนี้ผมใช้

ผมมีปัญหาเหมือนกัน. ปัญหาคือป้ายอยู่ในรูปแบบคอลัมน์ในขณะที่คาดว่าจะอยู่ในแถว ใช้np.ravel()

knn.score(training_set, np.ravel(training_labels))

หวังว่านี่จะช่วยแก้ปัญหาได้

ใช้รหัสด้านล่าง:

model = forest.fit(train_fold, train_y.ravel())

หากคุณยังคงได้รับการตบด้วยข้อผิดพลาดเหมือนด้านล่าง?

Unknown label type: %r" % y

ใช้รหัสนี้:

y = train_y.ravel()
train_y = np.array(y).astype(int)
model = forest.fit(train_fold, train_y)

อีกวิธีหนึ่งในการทำเช่นนี้คือการใช้ ravel

model = forest.fit(train_fold, train_y.values.reshape(-1,))

ด้วยneuraxleคุณสามารถแก้ปัญหานี้ได้อย่างง่ายดาย:

p = Pipeline([
   # expected outputs shape: (n, 1)
   OutputTransformerWrapper(NumpyRavel()), 
   # expected outputs shape: (n, )
   RandomForestRegressor(**RF_tuned_parameters)
])

p, outputs = p.fit_transform(data_inputs, expected_outputs)

Neuraxle เป็นเฟรมเวิร์กแบบ sklearn สำหรับการปรับแต่งไฮเปอร์พารามิเตอร์และ AutoML ในโครงการการเรียนรู้เชิงลึก!

format_train_y=[]
for n in train_y:
    format_train_y.append(n[0])

Y = y.values ​​[:, 0]

Y - formated_train_y

y - train_y