sckit-learn fit（）在对数据进行归一化后导致错误

Question

我一直在尝试这个：

1. 根据数据集创建X特征和y特征
2. 拆分数据集
3. 使数据归一化
4. 使用SCIKIT-LEARN中的SVR进行训练

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slice indexer应该是整数而不是浮点“而不是浮点”,FutureWarning)---------------------------------------------------------------------------------------------------------------------------------------------------------------

C:\anaconda3\lib\site-packages\sklearn\svm\base.py in fit（self,X,y,sample_weight）174 175seed=rnd.randint(np.iinfo('i').max)-->176fit（X,y,sample_weight,solver_type,kernel,random_seed=seed)177#请参阅此文件中对np.iinfo的另一次调用的注释178

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 gamma=self._gamma,epsilon=self.epsilon,-->231 max_iter=self.max_iter,random_seed=random_seed)232 233

C:sklearn.svm.libsvm.fit中的\anaconda3\lib\site-packages\sklearn\svm\libsvm.pyd(Sklearn\svm\libsvm.c:1864)（）

ValueError：缓冲区的维度数错误（应为%1，得到%2）

我不知道为什么。有人能解释吗？我认为它与预处理后转换回数据流有关。

Answer 1

这里的错误在您作为标签传递的df中:y_train

如果与示例文档版本和代码进行比较：

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squeze来生成一个序列，也可以选择df中的唯一列，以避免出现错误：

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

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

因此，我们可以认为，对于只有一个列的df，它应该返回一些可以被强制到numpy数组中的东西，或者numpy没有正确地调用数组属性，但实际上，您应该传递一个序列或从df中选择列作为参数