标准化数据后，sckit-learn fit（）导致错误

Question

我一直在尝试：

1. 从数据集中创建X个特征和y个依赖项
2. 分割数据集
3. 规范化数据
4. 使用Scikit-learn的SVR进行培训

这是使用填充随机值的pandas数据框的代码

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(20,5), columns=["A","B","C","D", "E"])
a = list(df.columns.values)
a.remove("A")

X = df[a]
y = df["A"]

X_train = X.iloc[0: floor(2 * len(X) /3)]
X_test = X.iloc[floor(2 * len(X) /3):]
y_train = y.iloc[0: floor(2 * len(y) /3)]
y_test = y.iloc[floor(2 * len(y) /3):]

# normalise

from sklearn import preprocessing

X_trainS = preprocessing.scale(X_train)
X_trainN = pd.DataFrame(X_trainS, columns=a)

X_testS = preprocessing.scale(X_test)
X_testN = pd.DataFrame(X_testS, columns=a)

y_trainS = preprocessing.scale(y_train)
y_trainN = pd.DataFrame(y_trainS)

y_testS = preprocessing.scale(y_test)
y_testN = pd.DataFrame(y_testS)

import sklearn
from sklearn.svm import SVR

clf = SVR(kernel='rbf', C=1e3, gamma=0.1)

pred = clf.fit(X_trainN,y_trainN).predict(X_testN)

给出此错误：

C：\ Anaconda3 \ lib \ site-packages \ pandas \ core \ index.py：542：FutureWarning：使用iloc时，切片索引器应为整数，而不是浮点“而不是浮点”，FutureWarning）------ -------------------------------------------------- ------------------- ValueError Traceback（最近一次通话最后一次）（）34 clf = SVR（内核='rbf'，C = 1e3，gamma = 0.1）35 ---> 36 pred = clf.fit（X_trainN，y_trainN）.predict（X_testN）37

C：\ Anaconda3 \ lib \ site-packages \ sklearn \ svm \ base.py in fit（自身，X，y，sample_weight）174175种子= rnd.randint（np.iinfo（'i'）。max）- > 176 fit（X，y，sample_weight，solver_type，kernel，random_seed = seed）177＃请参见此文件中对np.iinfo的另一个调用的注释

C：\ Anaconda3 \ lib \ site-packages \ sklearn \ svm \ base.py in _dense_fit（self，X，y，sample_weight，solver_type，kernel，random_seed）229 cache_size = self.cache_size，coef0 = self.coef0，230伽玛= self._gamma，epsilon = self.epsilon，-> 231 max_iter = self.max_iter，random_seed = random_seed）232233 self._warn_from_fit_status（）

sklearn.svm.libsvm.fit中的C：\ Anaconda3 \ lib \ site-packages \ sklearn \ svm \ libsvm.pyd（sklearn \ svm \ libsvm.c：1864）（）

ValueError：缓冲区的维数错误（预期为1，得到2）

我不知道为什么。谁能解释？我认为这与预处理后转换回数据帧有关。

Answer 1

这里的错误出现在您作为标签传递的 df 中：y_trainN

如果您将示例文档版本和您的代码进行比较：

In [40]:

n_samples, n_features = 10, 5
np.random.seed(0)
y = np.random.randn(n_samples)
print(y)
y_trainN.values
[ 1.76405235  0.40015721  0.97873798  2.2408932   1.86755799 -0.97727788
  0.95008842 -0.15135721 -0.10321885  0.4105985 ]
Out[40]:
array([[-0.06680594],
       [ 0.23535043],
       [-1.49265082],
       [ 1.22537862],
       [-0.46499134],
       [-0.23744759],
       [ 1.40520679],
       [ 0.95882677],
       [ 1.66996413],
       [-0.37515955],
       [-0.75826444],
       [-1.45945337],
       [-0.63995369]])

因此，您可以调用squeeze生成一个系列或选择 df 中的唯一列，以免出现错误：

pred = clf.fit(X_trainN,y_trainN[0]).predict(X_testN)

或者

pred = clf.fit(X_trainN,y_trainN.squeeze()).predict(X_testN)

所以我们可以认为，对于只有一列的 df，它应该返回一些可以被强制转换为 numpy 数组的东西，或者 numpy 没有正确调用数组属性，但实际上你应该传递一个系列或从 df 中选择列作为参数