Классификатор голосования, вызывающий ошибку типа Numpy - PullRequest
Новая
       58

Классификатор голосования, вызывающий ошибку типа Numpy

1 голос
/ 19 сентября 2019

Я экспериментирую с несколькими классификаторами sklearn в классификаторе голосования для ансамбля.

Для тестирования у меня есть фрейм данных с набором столбцов, представляющих навыки инструмента (числовое значение от 0 до 10, представляющее, сколько человек знает о навыке), и столбец «Пригодность к работе», который являетсяпеременная класса.Пример: 

import pandas as pd
df = pd.DataFrame(columns=["Python", "Scikit-learn", "Pandas", "Fit to Job"])
total_mock_samples= 100
for i in range(total_mock_samples):
    df=df.append(mockResults(df.columns, 'Fit to Job', good_values=i > total_mock_samples/2), ignore_index=True)

#Fills dataframe with mock data
#Output like:
print(np.array(df))
#[[1. 3. 6. 1.]
# [3. 2. 3. 0.]
# [1. 4. 0. 0.]
# ...
# [7. 8. 8. 1.]
# [8. 7. 9. 1.]]

Затем я монтирую свои классификаторы ансамбля: 

from sklearn.ensemble import RandomForestClassifier, VotingClassifier
from sklearn.svm import SVC
from sklearn.naive_bayes import GaussianNB
from sklearn.neighbors import KNeighborsClassifier
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import cross_val_score
import numpy as np

X = np.array(df[df.columns[:-1]])
y = np.array(df[df.columns[-1]])
rfc = RandomForestClassifier(n_estimators=10)
svc = SVC(kernel='linear')
knn = KNeighborsClassifier(n_neighbors=5)
nb = GaussianNB()
lr = LinearRegression()

ensemble = VotingClassifier(estimators=[("Random forest", rfc), ("KNN",knn), ("Naive Bayes", nb), ("SVC",svc), ("Linear Reg.",lr)])

Наконец, я пытаюсь оценить это с помощью перекрестной проверки, например: 

cval_score = cross_val_score(ensemble, X, y, cv=10)

Но я получаю следующее сообщение об ошибке: 

TypeError                                 Traceback (most recent call last)
<ipython-input-13-f7c01fa872d2> in <module>
    182 ensemble = VotingClassifier(estimators=[("Random forest", rfc), ("KNN",knn), ("Naive Bayes", nb), ("SVC",svc), ("Linear Reg.",lr)])
    183 
--> 184 cval_score = cross_val_score(ensemble, X, y, cv=10)
[...]

TypeError: Cannot cast array data from dtype('float64') to dtype('int64') according to the rule 'safe'

Я проверил другие ответы, но все они относятся к беспорядочным преобразованиям данных.Ошибка происходит на этапе перекрестной проверки.Я безуспешно пытался применить их решения.

Я также пытался изменить тип данных до вычисления результата, но безуспешно.

Может быть, у кого-то есть более проницательный взгляд, чтобы понять, в чем проблема.

РЕДАКТИРОВАТЬ 01: Генератор фиктивных результатов 

def mockResults(columns, result_column_name='Fit', min_value = 0, max_value=10, good_values=False):
    mock_res = {}
    for column in columns:
        mock_res[column] = 0
        if column == result_column_name:
            if good_values == True:
                mock_res[column] = float(1)
            else:
                mock_res[column] = float(0)
        elif good_values == True:
            mock_res[column] = float(random.randrange(int(max_value*0.7), max_value))
        else:
            mock_res[column] = float(random.randrange(min_value, int(max_value*0.5)))
    return mock_res

1 Ответ

1 голос
/ 19 сентября 2019 
df = pd.DataFrame(columns=["Python", "Scikit-learn", "Pandas", "Fit to Job"], data=np.random.randint(1, 10,size=(400,4)))    

class LinearRegressionInt(LinearRegression):
    def predict(self,X):
        predictions = self._decision_function(X)

        return np.asarray(predictions, dtype=np.int64).ravel()
... 
lr = LinearRegressionInt()
...

ensemble = VotingClassifier(estimators=[("lr",lr),("Random forest", rfc), ("KNN",knn), ("Naive Bayes", nb), ("SVC",svc)] )

cval_score = cross_val_score(ensemble, X, y, cv=10)
cval_score

array([ 0.09090909,  0.11904762,  0.17073171,  0.14634146,  0.17073171,
    0.15384615,  0.07692308,  0.15384615,  0.10810811,  0.08108108])

Ссылка: Ошибка типа с классификатором голосования

...