Python RandomForest - Inconnu label Erreur

J'ai de la difficulté à l'aide de RandomForest ajustement de la fonction

C'est mon jeu de formation

         P1      Tp1           IrrPOA     Gz          Drz2
0        0.0     7.7           0.0       -1.4        -0.3
1        0.0     7.7           0.0       -1.4        -0.3
2        ...     ...           ...        ...         ...
3        49.4    7.5           0.0       -1.4        -0.3
4        47.4    7.5           0.0       -1.4        -0.3
... (10k rows)

Je veux prédire P1 merci à toutes les autres variables à l'aide de sklearn.ensemble RandomForest

colsRes = ['P1']
X_train = train.drop(colsRes, axis = 1)
Y_train = pd.DataFrame(train[colsRes])
rf = RandomForestClassifier(n_estimators=100)
rf.fit(X_train, Y_train)

Voici l'erreur que je reçois:

ValueError: Unknown label type: array([[  0. ],
       [  0. ],
       [  0. ],
       ..., 
       [ 49.4],
       [ 47.4],

Je n'ai rien trouvé à propos de cette erreur de label, j'utilise Python 3.5.
Tout conseil serait d'une grande aide !

la version de sklearn vous utilisez?

OriginalL'auteur Dragonfly | 2015-12-12

  1. 21

    Lorsque vous êtes de passage de l'étiquette (y) les données à rf.fit(X,y), il s'attend à y être 1D liste. Le découpage de Panda cadre toujours un 2D liste. Ainsi, les conflits soulevés dans votre cas d'utilisation. Vous avez besoin de convertir la 2D liste fournie par les pandas DataFrame à un 1D liste comme prévu par l'ajustement de la fonction.

    Essayez d'utiliser 1D liste: 

    Y_train = list(train.P1.values)

    Si cela ne résout pas le problème, vous pouvez essayer avec la solution mentionnée dans MultinomialNB d'erreur: "Unknown Type d'Étiquette":

    Y_train = np.asarray(train['P1'], dtype="|S6")

    De sorte que votre code devient, 

    colsRes = ['P1']
X_train = train.drop(colsRes, axis = 1)
Y_train = np.asarray(train['P1'], dtype="|S6")
rf = RandomForestClassifier(n_estimators=100)
rf.fit(X_train, Y_train)
    Je comprends le problème maintenant, mais votre code ne fait pas le travail. Je suis à la recherche d'autres façons de faire la conversion
    Pouvez-vous essayer avec Y_train = list(train.P1.values)? Laissez-moi savoir le message d'erreur si il n'y a aucune
    Message d'erreur ne change pas. Y_train forme semble si bon d'impression(Y_train) [ 0. 0. 0. ..., 49.4 47.4 45.4] forme Y donne (34208,) - #34208 est le nombre de lignes
    Merci pour le message d'erreur. Pouvez-vous essayer ceci: Y_train = np.asarray(train['P1'], dtype="|S6")
    Cela a fonctionné, merci beaucoup ! Mon PC s'est écrasé trois fois, car il ne pouvait pas soutenir le calcul...

    OriginalL'auteur Gurupad Hegde

  2. 9

    Selon cette SORTE de post, Classificateurs doivent entier ou chaîne de caractères des étiquettes.

    Vous pourriez envisager de passer à un modèle de régression à la place (qui pourrait mieux répondre à vos données, comme chaque donnée semble être un float), comme suit:

    X_train = train.drop('P1', axis=1)
Y_train = train['P1']
rf = RandomForestRegressor(n_estimators=100)
rf.fit(X_train.as_matrix(), Y_train.as_matrix())
    Merci mais pas de différence
    Ce que je comprends au sujet de remplir un rapport d'erreur, à partir de la ligne où j'appelle la bonne fonction à Partir du rapport: rf.ajustement(X_train, Y_train) Fichier "C:\Anaconda3\lib\site-packages\sklearn\ensemble\forest.py", la ligne 235, dans l'ajustement de y, expanded_class_weight = auto._validate_y_class_weight(y) ...
    J'ai essayé avec ton code mis à jour, pas de changement
    La recherche dans le problème, comme tous les champs de l'ensemble d'apprentissage sont des flotteurs. Donc, je pense que régression être plus utile que le classificateur.
    Régression fonctionne très bien! Merci beaucoup ! J'ai utilisé RandomForestRegressor au lieu de ExtraTreesRegressor. Je vais essayer de comprendre la différence entre ces deux

    OriginalL'auteur N. Wouda

  3. 1

    peut-être un peu en retard à la fête, mais j'ai juste eu cette erreur et résolu en faisant en sorte que ma variable y est de type(int) à l'aide de 

     y = df['y_variable'].astype(int)

    avant de faire un train de test de split, aussi, comme d'autres l'ont dit votre problème semble mieux adaptée avec un RFReg plutôt RF

    'y_variable' orthographe

    OriginalL'auteur RunD.M.C.