Scikit-learn - 我在预测什么？答案

【问题标题】：Scikit-learn - What am I predicting?Scikit-learn - 我在预测什么？
【发布时间】：2021-05-25 18:22:36
【问题描述】：

我的目标是根据 6 列的 csv 数据预测数组中的 5 到 6 个数字。下面的脚本应该只预测一个数字，从 5 的数组中。我以为我可以从那里一直到整个 5 或 6，但我可能错了。

先生：

import csv
import numpy as np 
import pandas as pd
from math import sqrt
from sklearn.model_selection import train_test_split
from sklearn import preprocessing
from sklearn.tree import DecisionTreeRegressor
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score
from sklearn.preprocessing import StandardScaler

df = pd.read_csv('subdata.csv')

ft = [9,8,15,4,6]

fintest = np.array(ft)

def train():

    df.astype(np.float64)
    df.drop(['One'], axis = 1)
    X = df
    y = X['One']

    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=123)

    scaler = StandardScaler()
    train_scaled = scaler.fit_transform(X_train)
    test_scaled = scaler.transform(X_test)

    tree_model = DecisionTreeRegressor()
    rf_model = RandomForestRegressor()

    tree_model.fit(train_scaled, y_train)
    rf_model.fit(train_scaled, y_train)

    rfp = rf_model.predict(fintest.reshape(1, -1))
    tmp = tree_model.predict(fintest.reshape(1, -1))

    print(rfp)
    print(tmp)

train()

您能否澄清一下，我要求此脚本在最后的 rfp 和 tmp 行中预测什么？

我的数据如下所示：

目前的脚本会出错：

    Traceback (most recent call last):
  File "C:\Users\conra\Desktop\Code\lotto\pie.py", line 43, in <module>
    train()
  File "C:\Users\conra\Desktop\Code\lotto\pie.py", line 37, in train
    rfp = rf_model.predict(fintest.reshape(1, -1))
  File "C:\Users\conra\AppData\Local\Programs\Python\Python39\lib\site-packages\sklearn\ensemble\_forest.py", line 784, in predict
    X = self._validate_X_predict(X)
  File "C:\Users\conra\AppData\Local\Programs\Python\Python39\lib\site-packages\sklearn\ensemble\_forest.py", line 422, in _validate_X_predict
    return self.estimators_[0]._validate_X_predict(X, check_input=True)
  File "C:\Users\conra\AppData\Local\Programs\Python\Python39\lib\site-packages\sklearn\tree\_classes.py", line 402, in _validate_X_predict
    X = self._validate_data(X, dtype=DTYPE, accept_sparse="csr",
  File "C:\Users\conra\AppData\Local\Programs\Python\Python39\lib\site-packages\sklearn\base.py", line 437, in _validate_data
    self._check_n_features(X, reset=reset)
  File "C:\Users\conra\AppData\Local\Programs\Python\Python39\lib\site-packages\sklearn\base.py", line 365, in _check_n_features
    raise ValueError(
ValueError: X has 5 features, but DecisionTreeRegressor is expecting 6 features as input.

通过向ft 数组添加第六位数字，我可以绕过这个错误并接收到非常不准确的输出，这些输出似乎与数据没有任何关联。例如，通过将变量 ft 设置为 csv 文件中的第一行 [9,8,15,4,6,2]，并将 X 和 y 设置为使用“四”标签；我得到[37.22] 和[37.] 的输出。

我的其他问题可能会由我的第一个回答。但他们在这里：

能否请您解释一下为什么我需要传递 6 个数组？

无论我为预测传递什么数组，为什么我的预测都如此接近（全部约 35 个）？

【问题讨论】：

标签： python machine-learning scikit-learn

【解决方案1】：

取决于您的数据，就像我看到的数据就是没有上下文的一个例子，所以实际上你试图训练你的数据来使用两个不同的 models 模型来预测'一个'列，即对我来说没有意义。

错误是因为你给出了X dataframe没有列'一个'，在你询问第一个'到变量Y，Y=X['One']。

【讨论】：

【解决方案2】：

您定义 X 的方式是错误的。它包含 6 个功能。

您的 y 以您定义的方式包含在您的 X 中：

X = df #6 features
y = X['One'] #1 feature

我认为你想做的是这样的：

X = df[['Two', 'Three', 'Four', 'Five', 'Zero']]
y = df['One']

【讨论】：