Python DecisionTreeRegressor

Question

Я попробовал следующий код, и эта ошибка возникла у меня

Ссылка для DataSet находится по ссылке ниже

ValueError ---> строка 18 ds1_model.fit (X, y)

ValueError: не удалось преобразовать строку в число с плавающей точкой: 'Iris-setosa'

  import pandas as pd
from sklearn.metrics import mean_absolute_error
from sklearn.tree import DecisionTreeRegressor
from sklearn.model_selection import train_test_split

url = 'https://raw.githubusercontent.com/jbrownlee/Datasets/master/iris.csv'
ds1 = pd.read_csv(url)
ds1.columns = (['SepalLength' , 'SepalWidth' , 'PetalLength' , 'PetalWidth' , 'ClassLabel'])
ds1_filtered=ds1.dropna(axis=0)

y = ds1_filtered.ClassLabel

ds1_features = ['SepalLength' , 'SepalWidth' , 'PetalLength' , 'PetalWidth']
X = ds1_filtered[ds1_features]

ds1_model = DecisionTreeRegressor()

ds1_model.fit(X, y)

PredictedClassLabel = ds1_model.predict(X)
mean_absolute_error(y, PredictedClassLabel)

train_X, val_X, train_y, val_y = train_test_split(X, y, random_state = 0)
ds1_model = DecisionTreeRegressor()
ds1_model.fit(train_X, train_y)

predicitions = ds1_model.predict(val_X)
print(mean_absolute_error(val_y, predictions))

Можете ли вы помочь предложить или объяснить, как исправитьэто?

DataSet Link

Answer 1

Как следует из названия ClassLabel, набор данных iris является классификацией , а не регрессионным;следовательно, ни DecisionTreeRegressor не является правильной моделью для использования, ни mean_absolute_error не является правильной метрикой.

Вместо них следует использовать DecisionTreeClassifier и accuracy_score:

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

iris = load_iris()
clf = DecisionTreeClassifier()

train_X, val_X, train_y, val_y = train_test_split(iris.data, iris.label, random_state = 0)
clf.fit(train_X, train_Y)

pred = clf.predict(val_X)
print(accuracy_score(val_y, pred))

scikit-learn учебник по классификации дерева решений с использованием указанного набора данных может дать вам больше идей.