2016-04-06 11 views
0

Im Ausführen einer GridSearchCV (Gitter-Suche Kreuz Validierung) von der Sklearn-Bibliothek auf einem SGDClassifier (Stochastic Gradient Descent Classifier). Ich verwende einen DataFrame von Pandas für Funktionen und Ziel. Hier ist der Code:Sklearn GridSearchCV mit Pandas DataFrame Spalte

from sklearn.grid_search import GridSearchCV 
parameters = {'loss': [ 'hinge', 'log', 'modified_huber', 'squared_hinge', 'perceptron'], 'alpha': [0.1, 0.01, 0.001, 0.0001, 0.00001, 0.000001, 0.0000001], 'n_iter': list(np.arange(1,1001))} 
clf = GridSearchCV(estimator = SGDClassifier(), param_grid = parameters, scoring = 'f1') 
print(clf) 
clf.fit(X_train, y_train) 

Wo ist X_train ist eine 300 Zeilen x 31 Spalten Pandas Datenrahmen mit jeder Spalte mit dem Namen durch:

['school', 'sex', 'age', 'address', 'famsize', 'Pstatus', 'Medu', 'Fedu', 'Mjob', 'Fjob', 'reason', 'guardian', 'traveltime', 'studytime', 'failures', 'schoolsup', 'famsup', 'paid', 'activities', 'nursery', 'higher', 'internet', 'romantic', 'famrel', 'freetime', 'goout', 'Dalc', 'Walc', 'health', 'absences'] 

Und y_train ist eine 300 Zeilen x 1 Spalte Pandas Serie namens durch die folgenden:

['passed'] 

Wenn ich den GridSearchCV Algorithmus versuchen, ich die folgende Fehler Anweisung bekommen:

012.351.
IndexError: too many indices for array 

Antwort

1

Der folgende Code erstellt eine zufällige Datenmenge, die auf Ihre Definition entspricht:

  • X_train = 300x31 Datenrahmen
  • y_train = 300x1-Serie mit 2 Klassen 0 und 1).

Mit der X_train und y_train unter Ihrem Code funktioniert, so dass das Problem selbst in den Daten sein kann.

import pandas as pd 
import numpy as np 

N = 300 
D = 31 

y_train = pd.Series([0,1]*(N/2)) 
X_train = np.matrix(y_train).T.repeat(D, axis=1) + np.random.normal(size=(N, D)) 
X_train = pd.DataFrame(X_train) 

Tatsächlich erwähnen Sie den Datenrahmen 31 Spalten hat, aber die Liste der Spaltennamen nur 30 Elemente hat zur Verfügung gestellt. Das Problem könnte in der Konstruktion von X_train liegen.

(Ich habe den Test mit weniger Parametern durchgeführt, hier ist die reduzierte Version für die Reproduzierbarkeit :)

from sklearn.grid_search import GridSearchCV 
from sklearn.linear_model import SGDClassifier 
parameters = {'loss': [ 'hinge', 'log', 'modified_huber', 'squared_hinge', 'perceptron'], 'alpha': [0.1, 0.01], 'n_iter': [1,2, 1000]} 
clf = GridSearchCV(estimator = SGDClassifier(), param_grid = parameters, scoring = 'f1') 
print(clf) 
clf.fit(X_train, y_train) 
Verwandte Themen