Un vettore colonna y è stato passato quando era previsto un array 1d

Ho bisogno di adattarsi RandomForestRegressorda sklearn.ensemble.

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

Questo codice ha sempre funzionato fino a quando non ho eseguito una preelaborazione dei dati ( train_y). Il messaggio di errore dice:

DataConversionWarning: un vettore di colonna y è stato passato quando era previsto un array 1d. Si prega di cambiare la forma di y in (n_samples,), ad esempio usando ravel ().

model = forest.fit (train_fold, train_y)

In precedenza train_yera una serie, ora è un array numpy (è un vettore colonna). Se applico train_y.ravel(), diventa un vettore riga e non appare alcun messaggio di errore, attraverso il passaggio di previsione ci vuole molto tempo (in realtà non finisce mai ...).

Nei documenti di RandomForestRegressorho scoperto che train_ydovrebbe essere definito come y : array-like, shape = [n_samples] or [n_samples, n_outputs] Qualche idea su come risolvere questo problema?

Cambia questa riga:

model = forest.fit(train_fold, train_y)

per:

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

Modificare:

.valuesdarà i valori in un array. (forma: (n, 1)

.ravel convertirà quella forma dell'array in (n,)

Ho riscontrato questa situazione anche quando stavo cercando di addestrare un classificatore KNN . ma sembra che l'avviso sia sparito dopo che ho cambiato:
knn.fit(X_train,y_train)
in
knn.fit(X_train, np.ravel(y_train,order='C'))

Prima di questa linea ho usato import numpy as np.

Ho avuto lo stesso problema. Il problema era che le etichette erano in un formato di colonna mentre lo prevedeva in una riga. usonp.ravel()

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

Spero che questo lo risolva.

usa il codice seguente:

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

se stai ancora ricevendo uno schiaffo per errore identico come di seguito?

Unknown label type: %r" % y

usa questo codice:

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

Un altro modo per farlo è usare ravel

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

Con neuraxle , puoi facilmente risolvere questo:

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 è un framework simile a sklearn per l'ottimizzazione degli iperparametri e AutoML nei progetti di deep learning!

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