Вектор-столбец y был передан, когда ожидался 1d-массив

Мне нужно соответствовать RandomForestRegressorот sklearn.ensemble.

forest = ensemble.RandomForestRegressor(**RF_tuned_parameters)
model = forest.fit(train_fold, train_y)
yhat = model.predict(test_fold)

Этот код всегда работал, пока я не произвел предварительную обработку данных ( train_y). В сообщении об ошибке говорится:

DataConversionWarning: вектор-столбец y был передан, когда ожидался массив 1d. Измените форму y на (n_samples,), например, используя ravel ().

model = forest.fit (train_fold, train_y)

Раньше это train_yбыла серия, теперь это массив numpy (это вектор-столбец). Если я применяю train_y.ravel(), то он становится вектором-строкой, и сообщение об ошибке не появляется, поскольку этап прогнозирования занимает очень много времени (на самом деле он никогда не заканчивается ...).

В документах RandomForestRegressorя обнаружил, что это train_yдолжно быть определено как y : array-like, shape = [n_samples] or [n_samples, n_outputs] Любая идея, как решить эту проблему?

Измените эту строку:

model = forest.fit(train_fold, train_y)

кому:

model = forest.fit(train_fold, train_y.values.ravel())

Редактировать:

.valuesдаст значения в массиве. (форма: (n, 1)

.ravel преобразует эту форму массива в (n,)

Я также столкнулся с этой ситуацией, когда пытался обучить классификатор KNN . но похоже, что предупреждение исчезло после того, как я изменился:
knn.fit(X_train,y_train)
на
knn.fit(X_train, np.ravel(y_train,order='C'))

Перед этой строкой я использовал import numpy as np.

У меня такая же проблема. Проблема заключалась в том, что метки были в формате столбца, хотя ожидалось, что это будет строка. использоватьnp.ravel()

knn.score(training_set, np.ravel(training_labels))

Надеюсь, это решит проблему.

используйте код ниже:

model = forest.fit(train_fold, train_y.ravel())

если вы все еще получаете пощечину по ошибке, как показано ниже?

Unknown label type: %r" % y

используйте этот код:

y = train_y.ravel()
train_y = np.array(y).astype(int)
model = forest.fit(train_fold, train_y)

Другой способ сделать это - использовать ravel

model = forest.fit(train_fold, train_y.values.reshape(-1,))

С neuraxle вы можете легко решить эту проблему:

p = Pipeline([
   # expected outputs shape: (n, 1)
   OutputTransformerWrapper(NumpyRavel()), 
   # expected outputs shape: (n, )
   RandomForestRegressor(**RF_tuned_parameters)
])

p, outputs = p.fit_transform(data_inputs, expected_outputs)

Neuraxle - это подобная sklearn платформа для настройки гиперпараметров и AutoML в проектах глубокого обучения!

format_train_y=[]
for n in train_y:
    format_train_y.append(n[0])

Y = y.values ​​[:, 0]

Y - formated_train_y

y - train_y