Sklearn GridSearchCV 使用 Pandas DataFrame 列答案

【问题标题】：Sklearn GridSearchCV using Pandas DataFrame ColumnSklearn GridSearchCV 使用 Pandas DataFrame 列
【发布时间】：2016-07-27 05:49:51
【问题描述】：

我在 SGDClassifier（随机梯度下降分类器）上运行 Sklearn 库中的 GridSearchCV（网格搜索交叉验证）。我正在使用 Pandas 的 DataFrame 来获取功能和目标。这是代码：

from sklearn.grid_search import GridSearchCV
parameters = {'loss': [ 'hinge', 'log', 'modified_huber', 'squared_hinge', 'perceptron'], 'alpha': [0.1, 0.01, 0.001, 0.0001, 0.00001, 0.000001, 0.0000001], 'n_iter': list(np.arange(1,1001))}
clf = GridSearchCV(estimator = SGDClassifier(), param_grid = parameters, scoring = 'f1')
print(clf)
clf.fit(X_train, y_train)

X_train 是一个 300 行 x 31 列的 Pandas DataFrame，每列的名称如下：

['school', 'sex', 'age', 'address', 'famsize', 'Pstatus', 'Medu', 'Fedu', 'Mjob', 'Fjob', 'reason', 'guardian', 'traveltime', 'studytime', 'failures', 'schoolsup', 'famsup', 'paid', 'activities', 'nursery', 'higher', 'internet', 'romantic', 'famrel', 'freetime', 'goout', 'Dalc', 'Walc', 'health', 'absences']

y_train 是一个 300 行 x 1 列的 Pandas 系列，由以下命名：

['passed']

当我尝试 GridSearchCV 算法时，我收到以下错误声明：

IndexError: too many indices for array

【问题讨论】：

标签： python pandas machine-learning scikit-learn grid-search

【解决方案1】：

下面的代码准备了一个符合您定义的随机数据集：

X_train=300x31 数据帧
y_train=300x1 系列有 2 个类别，0 和 1）。

您的代码下方的 X_train 和 y_train 可以正常工作，因此问题可能出在数据本身上。

import pandas as pd
import numpy as np

N = 300
D = 31

y_train = pd.Series([0,1]*(N/2))
X_train = np.matrix(y_train).T.repeat(D, axis=1) + np.random.normal(size=(N, D))
X_train = pd.DataFrame(X_train)

确实，您提到 DataFrame 有 31 列，但您提供的列名列表只有 30 个元素。问题可能出在 X_train 的构建中。

（我已经用较少的参数进行了测试，这里是重现性的简化版本：）

from sklearn.grid_search import GridSearchCV
from sklearn.linear_model import SGDClassifier
parameters = {'loss': [ 'hinge', 'log', 'modified_huber', 'squared_hinge', 'perceptron'], 'alpha': [0.1, 0.01], 'n_iter': [1,2, 1000]}
clf = GridSearchCV(estimator = SGDClassifier(), param_grid = parameters, scoring = 'f1')
print(clf)
clf.fit(X_train, y_train)

【讨论】：