Для l oop задачи в python для машинного обучения - PullRequest
Новая
       84

Для l oop задачи в python для машинного обучения

0 голосов
/ 02 апреля 2020

Привет, ребята. Я пытаюсь выполнить перекрестную проверку K-Fold для этого набора данных страхования, но я пытаюсь использовать для l oop, чтобы перебрать массив целых чисел. Вывод выдает мне следующую ошибку: 

ValueError: The number of folds must be of Integral type. [3, 4, 5, 6, 7, 8, 9, 10, 11, 12] of type <class 'list'> was passed.

Может кто-нибудь объяснить, о чем эта ошибка и как ее устранить. Ниже приведен мой код для перекрестной проверки K. 

import pandas as pd
import numpy as np 
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.feature_selection import VarianceThreshold,mutual_info_classif,mutual_info_regression
from sklearn.feature_selection import SelectKBest, SelectPercentile

data_ = pd.read_csv("insurance.csv") 
print(data_.head())

# Create dummies

data_dummies= pd.get_dummies(data_, columns = ['sex','region','smoker'])
print(data_dummies.head())
data_dummies = pd.DataFrame(data_dummies)
data_cleaned = data_dummies.drop(['sex_female','region_southwest','smoker_no'],axis = 'columns')
X=  data_cleaned.drop(['charges'], axis = 'columns')
y = data_cleaned['charges']
X_train,X_test,y_train,y_test = train_test_split(X,y,random_state = 0)

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import KFold
ind = [3,4,5,6,7,8,9,10,11,12]


for  i in ind:


     kfold = KFold(n_splits=ind,shuffle=True,random_state=0)
     model = LinearRegression()
     scores = cross_val_score(model,X,y,cv=kfold,scoring='neg_mean_squared_error')

print(scores)

1 Ответ

1 голос
/ 02 апреля 2020

Вы передаете весь список ind в аргументе n_splits KFold, вместо того, чтобы перебирать его элементы i, что и является вашим намерением. Кроме того, зачем выделять список? Разве вы не хотите сделать 

for i in range(3, 13):
    kfold = KFold(n_splits=i,shuffle=True,random_state=0)
    model = LinearRegression()
    scores = cross_val_score(model,X,y,cv=kfold,scoring='neg_mean_squared_error')
    print(scores)
...