为什么交叉验证用于RandomForestRegressor失败在scikit学习

输入训练或测试文件格式如下：为什么交叉验证用于RandomForestRegressor失败在scikit学习

-1 1 11.10115101|u 11.10115101 |s 2 |reason k:0.116|pv pv1000|g 2230444827 |k k3|w k:0 
-1 1 11.10115101|u 11.10115101 |s 0 |reason c:0.080|pv pv1000|g 2235873129 |k k0|w c:1 
-1 1 11.10115101|u 11.10115101 |s 1 |reason h:0.054 o:0.073|pv pv1000|g 2236879382 |k k10|w h:1 o:21 
-1 1 11.10115101|u 11.10115101 |s 0 |reason u:0.133|pv pv1000|g 2237638819 |k k5|w u:26 
-1 1 11.10115101|u 11.10115101 |s 0 |reason o:0.086|pv pv1000|g 2237694729 |k k5|w o:11 
-1 1 11.10115101|u 11.10115101 |s 2 |reason l:0.111|pv pv1000|g 2237821631 |k k3|w l:0

的码是作为初级讲座，所述load_data（）函数加载训练数据或测试数据进入蟒蛇字典的列表，并返回一个元组（[快译通，...]，[0,1,0 ...]）：

parser = argparse.ArgumentParser() 
parser.add_argument('-t', '--train', required = True, help='train file') 
parser.add_argument('-e', '--test', required = True, help='test file') 
ns = parser.parse_args(sys.argv[1:]) 
f = open(ns.train) 
inputs, targets = load_data(f) 

print >>sys.stderr, 'load finish' 
vec = DictVectorizer() 
train = vec.fit_transform(inputs) 
print >>sys.stderr, 'dict vectorizer finish' 

print >>sys.stderr, 'training' 
clf = RandomForestRegressor() 
clf.fit(train.toarray(), targets) 


print >>sys.stderr, 'testing' 
f = open(ns.test) 
test_inputs, test_targets = load_data(f) 
test = vec.transform(test_inputs) 
print cross_validation.cross_val_score(clf, test.toarray(), test_targets, scoring='roc_auc')

培训工作正常，但这样做交叉验证时，最后一行的代码抛出异常：

File "randomforest.py", line 72, in <module> 
    print cross_validation.cross_val_score(clf, test.toarray(), test_targets, scoring='roc_auc') 
    File "/Users/jerry/pkgs/vpy/lib/python2.7/site-packages/sklearn/cross_validation.py", line 1152, in cross_val_score 
    for train, test in cv) 
    File "/Users/jerry/pkgs/vpy/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.py", line 517, in __call__ 
    self.dispatch(function, args, kwargs) 
    File "/Users/jerry/pkgs/vpy/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.py", line 312, in dispatch 
    job = ImmediateApply(func, args, kwargs) 
    File "/Users/jerry/pkgs/vpy/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.py", line 136, in __init__ 
    self.results = func(*args, **kwargs) 
    File "/Users/jerry/pkgs/vpy/lib/python2.7/site-packages/sklearn/cross_validation.py", line 1058, in _cross_val_score 
    y_train = y[train] 
TypeError: only integer arrays with one element can be converted to an index

我编写了手动示例中的代码，但失败了。

来源

2013-10-09 mike

请始终报告完整回溯。还有什么'test_targets'？它的类型和形状是什么？它是否具有与'test_inputs'变量相同数量的样本？显然这是无效的。最后，交叉验证是为了在模型选择的开发集上运行。通常在最终评估（测试）集上运行它并不合乎情理。 – ogrisel

对不起，我添加了更多的代码。 – mike

您仍然不提供有关'test_targets'变量性质的任何信息：它是一个numpy数组，是一个python列表，还有其他什么东西？它是一个数组，'.shape'和'.dtype'是什么？ – ogrisel

该错误与最近报告的issue #2508相匹配。

一种解决方法是调用添加：调用cross_val_score

test_targets = np.asarray(test_targets)

之前。

来源

2013-10-10 07:14:11 ogrisel

像梦一样工作，谢谢。 – Patthebug

我用另一种方式来CAL AUC，如：

preds = clf.predict_proba(test) 
fpr, tpr, thresholds = roc_curve(test_targets, preds[:, 1]) 
roc_auc = auc(fpr, tpr)

来源

2013-10-11 04:08:16 mike

为什么交叉验证用于RandomForestRegressor失败在scikit学习

回答

相关问题