如何解决使用 cross_val_score 进行简单线性回归评分中的 FitFailedWarning
我使用的是从 Internet 下载的一个非常简单的 csv 文件,只有两列。第一列是“MonthsExperience”,类似于“3,3,4,5,6...”,第二列类似于“424,387,555,59,533...”。>
为了训练,我正在尝试在简单线性回归上获得 RandomForestRegressor 模型的 cross_val_score。
代码如下:
import numpy as np
import pandas as pd
data = pd.read_csv("Blogging_Income.csv")
X = data["MonthsExperience"]
y = data["Income"]
from sklearn.ensemble import RandomForestRegressor
rfr = RandomForestRegressor()
from sklearn.model_selection import cross_val_score
cv_r2 = cross_val_score(rfr,X,y,cv = 5,scoring = None)
print(cv_r2)
我从 sklearn 收到一条很长的白色警告,指出所有结果都转为 NaN,因为模型无法拟合。 我得到的警告/错误的上半部分是这样的:
[nan nan nan nan nan]
C:\Users\----\anaconda3\lib\site-packages\sklearn\model_selection\_validation.py:615: FitFailedWarning: Estimator fit Failed. The score on this train-test partition for these parameters will be set to nan. Details:
Traceback (most recent call last):
File "C:\Users\----\anaconda3\lib\site-packages\sklearn\model_selection\_validation.py",line 598,in _fit_and_score
estimator.fit(X_train,y_train,**fit_params)
File "C:\Users\----\anaconda3\lib\site-packages\sklearn\ensemble\_forest.py",line 304,in fit
X,y = self._validate_data(X,multi_output=True,File "C:\Users\----\anaconda3\lib\site-packages\sklearn\base.py",line 433,in _validate_data
X,y = check_X_y(X,**check_params)
File "C:\Users\----\anaconda3\lib\site-packages\sklearn\utils\validation.py",line 63,in inner_f
return f(*args,**kwargs)
File "C:\Users\----\anaconda3\lib\site-packages\sklearn\utils\validation.py",line 871,in check_X_y
X = check_array(X,accept_sparse=accept_sparse,File "C:\Users\----\anaconda3\lib\site-packages\sklearn\utils\validation.py",line 694,in check_array
raise ValueError(
ValueError: Expected 2D array,got 1D array instead:
array=[ 6. 6. 7. 8. 8. 9. 9. 10. 11. 11. 12. 12. 12. 13. 13. 14. 14. 15.
15. 16. 16. 17. 18. 18.].
Reshape your data either using array.reshape(-1,1) if your data has a single feature or array.reshape(1,-1) if it contains a single sample.
似乎数组形状错误,但我不明白为什么。我也不明白如何使用 array.reshape 来完成这项工作。
解决方法
与任何其他机器学习模型类似,RandomForest 要求您的数据为 2D。即使你只有一个特征,你的 X 也必须是 N x 1,而不是长度为 N 的向量。
你可以使用 numpy 重塑你的数据
X = np.array(X).reshape(-1,1)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。