Python和随机森林算法

Question

我试图使用Python的随机森林ML（机器学习）算法* .csv文件，这就是信息是内部的* csv.file

DateTime;Status;Energy 
28-02-2014 19:30:00;True;10,1 
28-02-2011 06:15:00;False;15,6; 
28-02-2011 06:30:00;False;15,2; 
28-02-2011 06:45:00;False;15,6; 
...... 

哪些包或者库（随机森林模型），我需要使用这些信息进行分析吗？

我的代码：

from sklearn.ensemble import RandomForestClassifier 
from numpy import genfromtxt, savetxt 
    def main(): 
     dataset = genfromtxt(open("C:\\Users\\PVanDro\\Desktop\\Ddata\\Building0.csv"), delimiter=';', dtype='f8')[1:] 
     target = [x[0] for x in dataset] 
     train = [x[1:] for x in dataset] 
     rf = RandomForestClassifier(n_estimators=100) 
     rf.fit(train, target) 
     savetxt("C:\\Users\\PVanDro\\Desktop\\Ddata\\Building0_0.csv", delimiter=';', fmt='%f') 

    if __name__=='__main__': 
     main() 

，但我有错误：

File "C:/Users/PVanDro/Desktop/Folder for test/RandomForestExamples1/MainFile.py", line 17, in main 
    rf.fit(train, target) 
    File "C:\Python27\lib\site-packages\sklearn\ensemble\forest.py", line 224, in fit 
    X, = check_arrays(X, dtype=DTYPE, sparse_format="dense") 
    File "C:\Python27\lib\site-packages\sklearn\utils\validation.py", line 283, in check_arrays 
    _assert_all_finite(array) 
    File "C:\Python27\lib\site-packages\sklearn\utils\validation.py", line 43, in _assert_all_finite 
    " or a value too large for %r." % X.dtype) 
ValueError: Input contains NaN, infinity or a value too large for dtype('float32'). 

我怎么能解决这个错误？

Answer 1

这是一个解释你在找什么的great tutorial。这里有一些示例代码可供尝试。

from sklearn.ensemble import RandomForestClassifier 
from numpy import genfromtxt, savetxt 

def main(): 
    #create the training & test sets, skipping the header row with [1:] 
    dataset = genfromtxt(open('Data/train.csv','r'), delimiter=',', dtype='f8')[1:]  
    target = [x[0] for x in dataset] 
    train = [x[1:] for x in dataset] 
    test = genfromtxt(open('Data/test.csv','r'), delimiter=',', dtype='f8')[1:] 

    #create and train the random forest 
    #multi-core CPUs can use: rf = RandomForestClassifier(n_estimators=100, n_jobs=2) 
    rf = RandomForestClassifier(n_estimators=100) 
    rf.fit(train, target) 

    savetxt('Data/submission2.csv', rf.predict(test), delimiter=',', fmt='%f') 

if __name__=="__main__": 
    main() 

一旦您创建了新的预测性数据集，您可以使用多个库来使用图形可视化数据。这里有几个：

1. Bokeh - 一个基于Python的可视化库基于Web的表示
2. D3 - 另一个网络的基础JavaScript库的可视化数据。 Here是您可以使用CSV的一个示例。
3. Ploty - 一个基于Python的可视化

还有更多，但你可以询问谷歌为。 ;）