首页 文章

带有tpot的分类数据

提问于
浏览 次
3

我正在尝试在pandas数据帧中使用tpot和输入 . 我一直收到错误：

TypeError：输入类型不支持ufunc'isnan'，根据强制转换规则''safe'，输入无法安全地强制转换为任何支持的类型

我相信这个错误来自isnan无法处理我的数据结构，但我不确定如何以不同方式格式化它 . 我有分类和连续输入和连续输出的组合 . 以下是具有类似数据的代码示例：

train_x=[[1,2,3],['test1','test2','test3'],[56.2,4.5,3.4]]
train_y=[[3,6,7]]
from tpot import TPOTRegressor

tpot=TPOTRegressor()

我是否必须以某种方式转换我的分类数据？ dataframe.values和dataframe.as_matrix给我的对象也给了我一个错误 .

python tpot

1 回答

  • 3

    那是对的 - 您需要转换您的分类值 . TPOT假设所有数据都将采用scikit-learn兼容格式，这意味着所有数据都是数字的 . 我们最近才添加了对缺失值的支持，但大多数scikit-learn算法都不接受缺少值的数据 .

    我重新编写了下面的示例，以显示如何使用pandas将分类值转换为数值 .

    import pandas as pd
from tpot import TPOTRegressor

train_x = pd.DataFrame()
train_x['a'] = [1,2,3,4]
train_x['b'] = ['test1','test2','test3','test4']
train_x['c'] = [56.2,4.5,3.4,6.7]

# This line one-hot encodes the categorical variables
train_x = pd.get_dummies(train_x).values
# Print train_x out to understand what one-hot encoding entails
print(train_x)

train_y = [3,6,7,9]

my_tpot = TPOTRegressor(cv=2)
my_tpot.fit(train_x, train_y)
    回复于

相关问题