在 IRIS 数据集上运行 SVM 并得到 ValueError: Unknown label type: 'unknown'

Question

谁能简单地向我解释一下？ 为了您的方便，我附上了完整的代码。

我有这段代码可以加载 IRIS 数据集并运行 SVM：

from sklearn import svm
import pandas as pd


def prepare_iris_DS():
    print("Loading iris DS...")
    url = 'http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data'
    iris = pd.read_csv(url, names=["sepal length", "sepal width", "petal length", "petal width", "Species"])
    df = pd.DataFrame(iris, columns=["sepal length", "sepal width", "petal length", "petal width", "Species"])

    df.head()
    iris.head()

    print("Iris DS is Loaded")

    columns, labels = ["sepal length", "sepal width"], ["Iris-setosa", "Iris-virginica"]

    total = df.shape[0]
    df = df[df.Species.isin(labels)]
    X = df[columns]

    print("selected {0} entries out of {1} from the dataset based on labels {2}".format(len(X), total, str(labels)))

    Y = df[["Species"]]
    Y.loc[Y.Species != labels[0], 'Species'] = 0.0
    Y.loc[Y.Species == labels[0], 'Species'] = 1.0

    X = X.as_matrix()
    Y = Y.as_matrix()

    return X, Y


X, Y = prepare_iris_DS()

rbf_svc = svm.SVC(kernel='rbf', gamma=0.1, C=0.1)
rbf_svc.fit(X, Y)

我在最后一行不断收到错误：rbf_svc.fit(X, Y)

File "C:\Anaconda2\lib\site-packages\sklearn\utils\multiclass.py", line 172, in check_classification_targets

raise ValueError("Unknown label type: %r" % y_type)

ValueError: Unknown label type: 'unknown'

但是...
当我输入这个命令时，它就可以正常工作了。
我不明白为什么？我很欣赏一个清晰/简单的答案

Y = Y.as_matrix().astype(float)

Answer 1

当：Y = Y.as_matrix()，观察目标数组的数据类型：

>>> Y.dtype
object

SVC 的 fit 方法需要一个可迭代的数值数组作为它的训练向量 X。但是目前，您向其传递了一个不正确的数字字符串值数组。

这是因为 Y 在直接分配给它时继承了 df[['Species]] 的 dtypes。因此，即使您在 loc 操作期间执行了布尔索引并通过将字符串值替换为布尔值 (0/1) 来摆脱字符串值，Y的 dtype > 不受影响，仍然是object 类型。

因此，需要将它们类型转换回int/float dtype，然后fit 函数可以理解。

Y = Y.as_matrix().astype(float).ravel()  # ravel to flatten the 2D array to 1D

现在，当你测试时：

>>> Y.dtype
float64

此外，您还可以添加以下更改：

X = df[columns].copy()
Y = df[["Species"]].copy()

通过创建数据帧的深层副本而不是直接分配它来避免 SettingWithCopyWarning 警告。