_train_weather.values : [[ 0.61818182 0.81645199 0.6679803 ..., 0. 0. 1. ]
[ 0.61664841 0.80064403 0.65073892 ..., 0. 0. 0. ]
[ 0.58291347 0.80679157 0.62783251 ..., 0. 0. 0. ]
...,
[ 0.65914567 0.52019906 0.59975369 ..., 1. 0. 0. ]
[ 0.56232202 0.37558548 0.47980296 ..., 0. 1. 0. ]
[ 0.51829135 0.35626464 0.42832512 ..., 0. 0. 1. ]]
_train_traffic['walkin_in'].values : [[ 0. 0. 0. ..., 0. 0. 0.]
[ 0. 0. 0. ..., 0. 0. 0.]
[ 0. 0. 0. ..., 0. 0. 0.]
...,
[ 0. 0. 0. ..., 0. 0. 0.]
[ 0. 0. 0. ..., 0. 0. 0.]
[ 0. 0. 0. ..., 0. 0. 0.]]
_test_weather.values : [[ 0.3388828 0.50497658 0.341133 ..., 0. 0. 0. ]
[ 0.27426068 0.4809719 0.30591133 ..., 0. 0. 0. ]
[ 0.28368018 0.42681499 0.26600985 ..., 0. 0. 0. ]
...,
[ 0.732092 0.71516393 0.69482759 ..., 1. 0. 0. ]
[ 0.74348302 0.70257611 0.6817734 ..., 0. 1. 0. ]
[ 0.75465498 0.69642857 0.70862069 ..., 0. 0. 1. ]]
我有如上所述的值数组。我正在使用 _train_weather.values (X) 和 _train_traffic['walkin_in'].values (Y) 进行训练。我正在预测 _test_weather.values。
数据框如上所示。
我可以使用这些输入来使用 sklearn 中的某些模型进行预测,例如 MLP、RANSAC、Lasso、Ridge、LassoLars、RandomForestRegressor 等,但有些模型不起作用。
这是不起作用的列表:
SGD回归器 Adaboost回归器 装袋回归器 拉尔斯 梯度提升回归器 ARD回归 贝叶斯岭 Huber回归器
ElasticNet 也可以工作,但 ElasticNetCV 不行,这也适用于 Lasso,而 LassoCV 则不起作用。
他们提供以下错误:
Traceback (most recent call last):
File "run_seq_predictor.py", line 519, in <module>
run(args.conf, train, test_model, test_MLP_reg, offset, verbose, weeks, daily, write_to_isio, filter_abnormal, threshold)
File "run_seq_predictor.py", line 420, in run
clf.fit(_train_weather.values, _train_traffic['walkin_in'].values)
File "/usr/local/lib/python2.7/site-packages/sklearn/ensemble/bagging.py", line 248, in fit
return self._fit(X, y, self.max_samples, sample_weight=sample_weight)
File "/usr/local/lib/python2.7/site-packages/sklearn/ensemble/bagging.py", line 284, in _fit
X, y = check_X_y(X, y, ['csr', 'csc'])
File "/usr/local/lib/python2.7/site-packages/sklearn/utils/validation.py", line 526, in check_X_y
y = column_or_1d(y, warn=True)
File "/usr/local/lib/python2.7/site-packages/sklearn/utils/validation.py", line 562, in column_or_1d
raise ValueError("bad input shape {0}".format(shape))
ValueError: bad input shape (253, 56)
有人可以解释一下为什么只有某些型号会出现上述错误,而其他型号则完全正常?
最佳答案
您的因变量是多元的,并非所有模型都能够对这些进行建模。如果您阅读 RANSAC、Lasso、Ridge、LassoLars、RandomForestRegressor 等的文档,那么您会在 fit
函数下看到类似这样的内容
y : array-like, shape = [n_samples] or [n_samples, n_targets]
至于您列出的其他内容,例如GradientBoostingRegressor
y : array-like, shape = [n_samples]
这就是您收到错误的原因。如果您提供有关因变量的更多详细信息,我很乐意编辑答案。您的数据看起来可能是一次性编码的...
关于python - 输入适用于 sklearn.linear 和 sklearn.ensemble 中的某些 sklearn 模型,但不适用于其他模型,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43728879/