Scikit-Learn Quer val Punktzahl: zu viele Indizes für Array

Question

Ich habe den folgenden Code

from sklearn.ensemble import ExtraTreesClassifier 
from sklearn.cross_validation import cross_val_score 
#split the dataset for train and test 
combnum['is_train'] = np.random.uniform(0, 1, len(combnum)) <= .75 
train, test = combnum[combnum['is_train']==True], combnum[combnum['is_train']==False] 

et = ExtraTreesClassifier(n_estimators=200, max_depth=None, min_samples_split=10, random_state=0) 
min_samples_split=10, random_state=0 ) 

labels = train[list(label_columns)].values 
tlabels = test[list(label_columns)].values 

features = train[list(columns)].values 
tfeatures = test[list(columns)].values 

et_score = cross_val_score(et, features, labels, n_jobs=-1) 
print("{0} -> ET: {1})".format(label_columns, et_score)) 

Überprüfung der Form der Arrays:

features.shape 
Out[19]:(43069, 34) 

Und

labels.shape 
Out[20]:(43069, 1) 

und Ich bekomme:

IndexError: too many indices for array 

und dieser relevante Teil des Zurückverfolgungs:

---> 22 et_score = cross_val_score(et, features, labels, n_jobs=-1) 

ich die Daten von Pandas Datenrahmen zu schaffen und ich suchte hier und sah einen Hinweis auf mögliche Fehler über diese Methode kann aber nicht herausfinden, wie zu korrigieren ? Was die Datenfelder wie folgt aussehen: Funktionen

Out[21]: 
array([[ 0., 1., 1., ..., 0., 0., 1.], 
    [ 0., 1., 1., ..., 0., 0., 1.], 
    [ 1., 1., 1., ..., 0., 0., 1.], 
    ..., 
    [ 0., 0., 1., ..., 0., 0., 1.], 
    [ 0., 0., 1., ..., 0., 0., 1.], 
    [ 0., 0., 1., ..., 0., 0., 1.]]) 

Etiketten

Out[22]: 
array([[1], 
    [1], 
    [1], 
    ..., 
    [1], 
    [1], 
    [1]]) 

Answer 1

Wenn wir Kreuzvalidierung in tun Scikit-Learn, erfordert der Prozess ein (R,) Form Etikett statt (R,1). Obwohl sie bis zu einem gewissen Grad dasselbe sind, unterscheiden sich ihre Indexierungsmechanismen. Fügen Sie also einfach in Ihrem Fall hinzu:

c, r = labels.shape 
labels = labels.reshape(c,) 

, bevor Sie es an die Kreuzvalidierung übergeben.

Answer 2

Es fixierbar zu sein scheint, wenn Sie die Ziel Etiketten als eine einzelne Datenspalte von Pandas angeben. Wenn das Ziel mehrere Spalten hat, erhalte ich einen ähnlichen Fehler. Zum Beispiel versuchen:

labels = train['Y'] 

Answer 3

Das Hinzufügen von .ravel() zu der Variablen Y/Labels, die in die Formel übernommen wurde, half bei der Lösung dieses Problems innerhalb von KNN.

Answer 4

try Ziel:

y=df['Survived'] 

stattdessen verwendet i

y=df[['Survived']] 

die das Ziel ya dateframe gemacht, so scheint es, Serie würde

Answer 5

Sie in Ordnung sein könnte mit den Abmessungen spielen müssen ein bisschen, z

et_score = cross_val_score(et, features, labels, n_jobs=-1)[:,n] 

oder

et_score = cross_val_score(et, features, labels, n_jobs=-1)[n,:] 

n die Dimension ist.