Bir 1d dizisi beklendiğinde bir sütun vektörü y geçirildi

Ben oturması lazım RandomForestRegressorgelen sklearn.ensemble.

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

Bu kod, verilerin ( train_y) bazı ön işlemlerini yapana kadar her zaman çalıştı . Hata mesajı şunu söylüyor:

DataConversionWarning: Bir 1d dizisi beklendiğinde bir sütun vektörü y geçirildi. Lütfen y'nin şeklini (n_samples,) olarak değiştirin, örneğin ravel () kullanarak.

model = orman.fit (tren_fold, tren_y)

Önceden train_ybir Seri idi, şimdi ise uyuşmuş bir dizi (bir sütun vektörüdür). Eğer uygularsam train_y.ravel(), bir satır vektörü olur ve hiçbir hata mesajı görünmez, tahmin adımı çok uzun sürer (aslında hiç bitmez ...).

Ait dokümanlar ise RandomForestRegressorki ben bulunamadı train_yolarak tanımlanması gerektiğini y : array-like, shape = [n_samples] or [n_samples, n_outputs] bu sorunu çözmek için nasıl Herhangi fikri?

Bu satırı değiştirin:

model = forest.fit(train_fold, train_y)

için:

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

Düzenle:

.valuesbir dizideki değerleri verir. (şekil: (n, 1)

.ravel bu dizi şeklini (n,)

Bir KNN sınıflandırıcısını eğitmeye çalışırken de bu durumla karşılaştım . ama ben değiştirdikten sonra uyarı gitmişti görünüyor:
knn.fit(X_train,y_train)
hiç
knn.fit(X_train, np.ravel(y_train,order='C'))

Bu çizginin ilerisinde kullandım import numpy as np.

Ben de aynı sorunu yaşadım. Sorun, etiketlerin bir satırda beklenirken sütun biçiminde olmasıydı. kullanımnp.ravel()

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

Umarım bu sorunu çözer.

aşağıdaki kodu kullanın:

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

Hala aşağıdaki gibi aynı hata sonucu tokat alıyorsanız?

Unknown label type: %r" % y

bu kodu kullanın:

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

Bunu yapmanın başka bir yolu da ravel

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

Neuraxle ile bunu kolayca çözebilirsiniz:

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, derin öğrenme projelerinde hiperparametre ayarı ve AutoML için sklearn benzeri bir çerçevedir!

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