Sto provando a caricare i dati di addestramento e test da un csv, a eseguire il regressore foresta casuale in scikit/sklearn e quindi a prevedere l'output dal file di test.Python Scikit Errore regressione foresta casuale
Il file TrainLoanData.csv contiene 5 colonne; la prima colonna è l'output e le successive 4 colonne sono le caratteristiche. TestLoanData.csv contiene 4 colonne: le funzionalità.
Quando eseguo il codice, ottengo l'errore:
predicted_probs = ["%f" % x[1] for x in predicted_probs]
IndexError: invalid index to scalar variable.
Cosa significa?
Ecco il mio codice:
import numpy, scipy, sklearn, csv_io //csv_io from https://raw.github.com/benhamner/BioResponse/master/Benchmarks/csv_io.py
from sklearn import datasets
from sklearn.ensemble import RandomForestRegressor
def main():
#read in the training file
train = csv_io.read_data("TrainLoanData.csv")
#set the training responses
target = [x[0] for x in train]
#set the training features
train = [x[1:] for x in train]
#read in the test file
realtest = csv_io.read_data("TestLoanData.csv")
# random forest code
rf = RandomForestRegressor(n_estimators=10, min_samples_split=2, n_jobs=-1)
# fit the training data
print('fitting the model')
rf.fit(train, target)
# run model against test data
predicted_probs = rf.predict(realtest)
print predicted_probs
predicted_probs = ["%f" % x[1] for x in predicted_probs]
csv_io.write_delimited_file("random_forest_solution.csv", predicted_probs)
main()
In realtà, il risultato di "prevedere" è un array di float. Un 'RandomForestRegressor' è un modello di regressione, non un classificatore. –
Certo, hai ragione. –