Ошибка gridsearchCV при использовании одного горячего датчика - PullRequest
Новая
       69

Ошибка gridsearchCV при использовании одного горячего датчика

0 голосов
/ 04 октября 2019

Я получаю эту ошибку при использовании gridsearch cv с одним горячим кодированием: «Метрики классификации не могут обрабатывать сочетание целей с несколькими метками и мультиклассами»

Моя форма y_train: (64345, 37)и моя форма X_train: (64345, 14).

Я не могу понять, где я ошибся. Любое руководство / помощь будет принята с благодарностью.

Он выполняется правильнодля моей модели без использования gridsearchCV с фиксированными параметрами. Без использования одной горячей кодировки я получаю индекс из связанной ошибки. ссылка на этот пост здесь: Я обучал модель машинного обучения Энн с помощью GridSearchCV и застрял с IndexError в gridSearchCV

вот как я разбил набор данных: 

from sklearn.preprocessing import LabelEncoder, OneHotEncoder

onehotencoder = OneHotEncoder(categorical_features = [0])
df = onehotencoder.fit_transform(df).toarray()
df=df[:,1:]

target=df[:,0:37]
dataset=df[:,37:51]
from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test=train_test_split(dataset,target,random_state=1)
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X_train= sc.fit_transform(X_train)
X_test=pd.DataFrame(X_test)

вот код gridseachcv: 

from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import GridSearchCV
from keras.models import Sequential
from keras.layers import Dense
def build_classifier(optimizer, nb_layers,unit):
    classifier = Sequential()
    classifier.add(Dense(units = unit, kernel_initializer = 'uniform', activation = 'relu', input_dim = 14))
    i = 1
    while i <= nb_layers:
        classifier.add(Dense(activation="relu", units=unit, kernel_initializer="uniform"))
        i += 1
    classifier.add(Dense(units = 37, kernel_initializer = 'uniform', activation = 'softmax'))
    classifier.compile(optimizer = optimizer, loss = 'categorical_crossentropy', metrics = ['accuracy'])
    return classifier
classifier = KerasClassifier(build_fn = build_classifier)
parameters = {'batch_size': [10,25,32,64,128,256],
              'epochs': [50,100, 200,500,1000,1500,2000],
              'optimizer': ['adam'],
              'nb_layers': [2,3,4,5,6],
              'unit':[28,40,48,57]
             }
grid_search = GridSearchCV(estimator = classifier,
                           param_grid = parameters,
                           scoring = 'accuracy',
                          cv=10,n_jobs=-1)
grid_search = grid_search.fit(X_train, y_train)
best_parameters = grid_search.best_params_
best_accuracy = grid_search.best_score_

Я должен получить лучшие параметры в результате, но я получаю ошибку- ValueError: Метрики классификации не могут обрабатывать смесь целей с несколькими метками и мультиклассами

1 Ответ

0 голосов
/ 04 октября 2019

Сообщение об ошибке ясно.

Здесь у вас есть y_train:(64345, 37), что означает, что каждый образец имеет несколько меток. У вас есть 37 меток для каждого образца.

Метрики классификации sklearn не могут обрабатывать целевые переменные с несколькими метками.

Вам следует искать способ получить y_train:(64345, 1) перед применением GridSearch()

Для моделей, которые могут решать проблемы с несколькими метками, это:

https://scikit -learn.org / stable / modules / multiclass.html 

Support multilabel:

sklearn.tree.DecisionTreeClassifier
sklearn.tree.ExtraTreeClassifier
sklearn.ensemble.ExtraTreesClassifier
sklearn.neighbors.KNeighborsClassifier
sklearn.neural_network.MLPClassifier
sklearn.neighbors.RadiusNeighborsClassifier
sklearn.ensemble.RandomForestClassifier
sklearn.linear_model.RidgeClassifierCV
...