Kaggle比赛提交错误：键列''中的值''已被定义答案

【问题标题】：Kaggle competition submission error : The value '' in the key column '' has already been definedKaggle比赛提交错误：键列''中的值''已被定义
【发布时间】：2019-03-01 23:15:26
【问题描述】：

这是我第一次参加 kaggle 比赛，我无法提交我的结果表。我使用 gbm 制作了我的模型，并制作了一个如下所示的预测表。提交文件有 2 列名为 'fullVisitorId' 和 'PredictedLogRevenue'）与任何其他 kaggle 比赛案例一样。

pred_oob = predict(object = model_gbm, newdata = te_df, type = 'response')

mysub = data.frame(fullVisitorId = test$fullVisitorId, Pred = pred_oob)
mysub = mysub %>%
  group_by(fullVisitorId) %>%
  summarise(Predicted = sum(Pred))

submission = read.csv('sample_submission.csv')
mysub = submission %>%
  left_join(mysub, by = 'fullVisitorId')

mysub$PredictedLogRevenue = NULL
names(mysub) = names(submission)

但是当我尝试提交文件时，我收到“失败”消息...

ERROR: The value '8.893887e+17' in the key column 'fullVisitorId' has already been defined (Line 549026, Column 1)
ERROR: The value '8.895317e+18' in the key column 'fullVisitorId' has already been defined (Line 549126, Column 1)
ERROR: The value '8.895317e+18' in the key column 'fullVisitorId' has already been defined (Line 549127, Column 1)

不只是 3 行，还有 8 行这样的。我不知道我做错了什么。我还检查了其他内核，但找不到答案。请帮忙！！

【问题讨论】：

标签： multiple-columns submission kaggle gbm

【解决方案1】：

对于创建提交数据框，最简单的方法是这样

subm_df = pd.read_csv('../input/sample_submission.csv')
subm_df['PredictedLogRevenue'] = <your prediction array>
subm_df.to_csv('Subm_1.csv', index=False)

不，这是假设您的 sample_submission.csv 包含所有 fullVisitorId，这通常在 Kaggle 中进行。在此之后，我从未遇到任何问题。

【讨论】：

感谢 Ankit。但是这种情况下，测试集有 804684 个 fullVisitorIds，提交文件有 617242 个 fullVisitorIds。由于这种重复，我使用了 group_by()，当它被分组时，行数变为 617242。所以我不能将我的预测数组放入提交表中。
在这种情况下，您可以在测试数据框中创建 PredictedLogRevenue 列，然后删除其他特征列，只保留 fullVisitorId 和 PredictedLogRevenue，然后提交。
我认为您应该将此查询放在相应 Kaggle 比赛或数据集的讨论线程中。如果有人已经遇到过类似的问题，他/她将能够更好地帮助您。跨度>
好的，我知道了。谢谢 Ankit:)

【解决方案2】：

这个问题是因为 fullVisitorId 是数字而不是字符，所以它删除了所有前导零。因此，使用带有 colClases 参数的 read.csv() 或 fread() 可以使其工作。我离开这个只是因为可能有人像我一样遇到类似的麻烦

【讨论】：