Sebuah kolom-vektor y dilewatkan ketika array 1d diharapkan

Aku harus sesuai RandomForestRegressordari sklearn.ensemble.

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

Kode ini selalu berfungsi sampai saya membuat beberapa preprocessing data ( train_y). Pesan kesalahan mengatakan:

DataConversionWarning: Kolom-vektor y dilewatkan saat array 1d diharapkan. Silahkan rubah bentuk y menjadi (n_samples,), misalnya menggunakan ravel ().

model = forest.fit (train_fold, train_y)

Sebelumnya train_yadalah Seri, sekarang menjadi array numpy (itu adalah vektor kolom). Jika saya terapkan train_y.ravel(), maka menjadi vektor baris dan tidak muncul pesan error, melalui langkah prediksi membutuhkan waktu yang sangat lama (sebenarnya tidak pernah selesai ...).

Dalam dokumen RandomForestRegressorsaya menemukan bahwa train_yharus didefinisikan sebagai y : array-like, shape = [n_samples] or [n_samples, n_outputs] Ada ide bagaimana mengatasi masalah ini?

Ubah baris ini:

model = forest.fit(train_fold, train_y)

untuk:

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

Edit:

.valuesakan memberikan nilai dalam array. (bentuk: (n, 1)

.ravel akan mengonversi bentuk array itu menjadi (n,)

Saya juga mengalami situasi ini saat mencoba melatih pengklasifikasi KNN . tapi sepertinya peringatan itu hilang setelah saya ubah:
knn.fit(X_train,y_train)
menjadi
knn.fit(X_train, np.ravel(y_train,order='C'))

Di depan garis ini saya gunakan import numpy as np.

Saya memiliki masalah yang sama. Masalahnya adalah bahwa label berada dalam format kolom seperti yang diharapkan dalam satu baris. menggunakannp.ravel()

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

Semoga ini menyelesaikannya.

gunakan kode di bawah ini:

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

apakah Anda masih mendapatkan slap by error seperti di bawah ini?

Unknown label type: %r" % y

gunakan kode ini:

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

Cara lain untuk melakukan ini adalah dengan menggunakan ravel

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

Dengan neuraxle , Anda dapat dengan mudah menyelesaikan ini:

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 adalah kerangka kerja mirip sklearn untuk penyetelan hyperparameter dan AutoML dalam proyek pembelajaran mendalam!

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

Y = y.values ​​[:, 0]

Y - formated_train_y

y - train_y