Ich versuche, Trainings- und Testdaten von einem CSV zu laden, den Random Forest Regressor in scikit/sklearn auszuführen und dann die Ausgabe aus der Testdatei vorherzusagen.Python Scikit Random Forest Regressor Fehler
Die Datei TrainLoanData.csv enthält 5 Spalten; Die erste Spalte ist die Ausgabe und die nächsten 4 Spalten sind die Features. Die TestLoanData.csv enthält 4 Spalten - die Features.
Wenn ich den Code ausführen, bekomme ich Fehler:
predicted_probs = ["%f" % x[1] for x in predicted_probs]
IndexError: invalid index to scalar variable.
Was bedeutet das?
Hier ist mein Code:
import numpy, scipy, sklearn, csv_io //csv_io from https://raw.github.com/benhamner/BioResponse/master/Benchmarks/csv_io.py
from sklearn import datasets
from sklearn.ensemble import RandomForestRegressor
def main():
#read in the training file
train = csv_io.read_data("TrainLoanData.csv")
#set the training responses
target = [x[0] for x in train]
#set the training features
train = [x[1:] for x in train]
#read in the test file
realtest = csv_io.read_data("TestLoanData.csv")
# random forest code
rf = RandomForestRegressor(n_estimators=10, min_samples_split=2, n_jobs=-1)
# fit the training data
print('fitting the model')
rf.fit(train, target)
# run model against test data
predicted_probs = rf.predict(realtest)
print predicted_probs
predicted_probs = ["%f" % x[1] for x in predicted_probs]
csv_io.write_delimited_file("random_forest_solution.csv", predicted_probs)
main()
Eigentlich ist das Ergebnis von 'predicate 'eine Reihe von Schwimmern. Ein 'RandomForestRegressor' ist ein Regressionsmodell, kein Klassifikator. –
Sicher hast du recht. –