Коли колону-вектор y пропускали, коли очікувався масив 1d

Мені потрібно , щоб відповідати RandomForestRegressorз sklearn.ensemble.

forest = ensemble.RandomForestRegressor(**RF_tuned_parameters)
model = forest.fit(train_fold, train_y)
yhat = model.predict(test_fold)

Цей код працював завжди, поки я не здійснив деяку попередню обробку даних ( train_y). Повідомлення про помилку говорить:

DataConversionWarning: вектор стовпця y був переданий, коли очікувався масив 1d. Будь ласка, змініть форму y на (n_samples,), наприклад, використовуючи ravel ().

модель = forest.fit (поїзд_склад, поїзд_й)

Раніше train_yбула серія, тепер це масивний масив (це стовпець-вектор). Якщо я застосую train_y.ravel(), він стає вектором рядків і не з’являється повідомлення про помилку, через крок передбачення проходить дуже багато часу (насправді він ніколи не закінчується ...).

У документах RandomForestRegressorя виявив, що його train_yслід визначити як y : array-like, shape = [n_samples] or [n_samples, n_outputs] Будь-яка ідея, як вирішити цю проблему?

Змініть цей рядок:

model = forest.fit(train_fold, train_y)

до:

model = forest.fit(train_fold, train_y.values.ravel())

Редагувати:

.valuesдасть значення в масиві. (форма: (n, 1)

.ravel перетворить цю форму масиву в (n,)

Я також стикався з цією ситуацією, коли намагався підготувати класифікатор KNN . але здається, що попередження пішло після того, як я змінився:
knn.fit(X_train,y_train)
на
knn.fit(X_train, np.ravel(y_train,order='C'))

Попереду цей рядок я використовував import numpy as np.

У мене була така ж проблема. Проблема полягала в тому, що мітки були у форматі стовпців, хоча очікували це підряд. використанняnp.ravel()

knn.score(training_set, np.ravel(training_labels))

Сподіваюся, це вирішує це.

використовувати нижче код:

model = forest.fit(train_fold, train_y.ravel())

якщо ви все-таки отримуєте похибку помилково настільки ж, як і нижче?

Unknown label type: %r" % y

використовувати цей код:

y = train_y.ravel()
train_y = np.array(y).astype(int)
model = forest.fit(train_fold, train_y)

Ще один спосіб зробити це - використовувати ravel

model = forest.fit(train_fold, train_y.values.reshape(-1,))

За допомогою neuraxle ви можете легко вирішити це:

p = Pipeline([
   # expected outputs shape: (n, 1)
   OutputTransformerWrapper(NumpyRavel()), 
   # expected outputs shape: (n, )
   RandomForestRegressor(**RF_tuned_parameters)
])

p, outputs = p.fit_transform(data_inputs, expected_outputs)

Neuraxle - це структура, що нагадує склеарн для налаштування гіперпараметрів та AutoML в глибоких навчальних проектах!

format_train_y=[]
for n in train_y:
    format_train_y.append(n[0])

Y = y.values ​​[:, 0]

Y - форматований_поїзд_y

y - поїзд_y