python - Sklearn - 无法在随机森林分类器中使用编码数据

Question

我是 scikit-learn 的新手。我正在尝试使用预处理。 OneHotEncoder 对我的训练和测试数据进行编码。编码后，我尝试使用该数据训练随机森林分类器。但在安装时出现以下错误。 (这里是错误跟踪)

    99         model.fit(X_train, y_train)
    100         preds = model.predict_proba(X_cv)[:, 1]
    101 

C:\Python27\lib\site-packages\sklearn\ensemble\forest.pyc in fit(self, X, y, sample_weight)
    288 
    289         # Precompute some data
--> 290         X, y = check_arrays(X, y, sparse_format="dense")
    291         if (getattr(X, "dtype", None) != DTYPE or
    292                 X.ndim != 2 or

C:\Python27\lib\site-packages\sklearn\utils\validation.pyc in check_arrays(*arrays, **options)
    200                     array = array.tocsc()
    201                 elif sparse_format == 'dense':
--> 202                     raise TypeError('A sparse matrix was passed, but dense '
    203                                     'data is required. Use X.toarray() to '
    204                                     'convert to a dense numpy array.')

TypeError: A sparse matrix was passed, but dense data is required. Use X.toarray() to convert to a dense numpy array.

我尝试使用 X.toarray() 和 X.todense() 将稀疏矩阵转换为密集矩阵 但是当我这样做时，我得到以下错误跟踪。

 99         model.fit(X_train.toarray(), y_train)
    100         preds = model.predict_proba(X_cv)[:, 1]
    101 

C:\Python27\lib\site-packages\scipy\sparse\compressed.pyc in toarray(self)
    548 
    549     def toarray(self):
--> 550         return self.tocoo(copy=False).toarray()
    551 
    552     ##############################################################

C:\Python27\lib\site-packages\scipy\sparse\coo.pyc in toarray(self)
    236 
    237     def toarray(self):
--> 238         B = np.zeros(self.shape, dtype=self.dtype)
    239         M,N = self.shape
    240         coo_todense(M, N, self.nnz, self.row, self.col, self.data, B.ravel())

ValueError: array is too big.

谁能帮我解决这个问题。

谢谢

Answer 1

sklearn 随机森林不适用于稀疏输入，并且您的数据集形状太大且太稀疏，无法容纳密集版本。

您可能有一些基数很大的分类特征(例如自由文本字段或唯一的条目 ID)。尝试放弃这些功能并重新开始。