python分类值错误中的LightGBM回归

如何解决python分类值错误中的LightGBM回归

我正在尝试在 python 中安装 LightGBM 回归器，但它给了我一个错误。基本上，我有一个数据集，其中所有预测变量都是分类变量，而我的目标变量是连续数字。因为我所有的 X 变量都是分类变量，所以我使用标签编码将它们转换为数字形式。之后，我将我的分类变量传递给 LGBMRegressor，以便算法相应地处理它们。

# lightgbm for regression
import numpy as np
import lightgbm as lgb
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn import preprocessing


df = pd.read_csv("TrainModelling.csv")
df.drop(df.columns[0],axis=1,inplace=True)    #Remove index column
y = df["Target"]
X = df.drop("Target",axis=1)

le = preprocessing.LabelEncoder()
X = X.apply(le.fit_transform)


X_train,X_test,y_train,y_test = train_test_split( X,y,test_size=0.2,random_state=42)


hyper_params = {
    'task': 'train','boosting_type': 'gbdt','objective': 'regression','metric': ['l2','auc'],'learning_rate': 0.005,'feature_fraction': 0.9,'bagging_fraction': 0.7,'bagging_freq': 10,'verbose': 0,"max_depth": 8,"num_leaves": 128,"max_bin": 512,"num_iterations": 100000,"n_estimators": 1000
}

cat_feature_list = np.where(X.dtypes != float)[0]

gbm = lgb.LGBMRegressor(**hyper_params,categorical_feature=cat_feature_list)

gbm.fit(X_train,eval_set=[(X_test,y_test)],eval_metric='l1',early_stopping_rounds=1000)

错误：

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

解决方法

这一行有问题：

cat_feature_list = np.where(X.dtypes != float)[0]

（我希望你分享错误的整个追溯，它可以节省时间..）

X.dtypes != float 给出一个熊猫系列布尔值，然后 numpy 尝试评估其真实性，从而评估错误。获取列表中分类列的名称：

cat_feature_list = X.select_dtypes("object").columns.tolist()