Um vetor-coluna y foi passado quando uma matriz 1d era esperada

Eu preciso para se ajustar RandomForestRegressora partir sklearn.ensemble.

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

Este código sempre funcionou até que eu fiz algum pré-processamento de dados ( train_y). A mensagem de erro diz:

DataConversionWarning: Um vetor de coluna y foi passado quando uma matriz 1d era esperada. Altere a forma de y para (n_samples,), por exemplo, usando ravel ().

model = forest.fit (train_fold, train_y)

Anteriormente train_yera uma série, agora é uma matriz numpy (é um vetor coluna). Se eu aplicar train_y.ravel(), ele se torna um vetor linha e nenhuma mensagem de erro aparece, através da etapa de predição leva muito tempo (na verdade, nunca termina ...).

Na documentação de RandomForestRegressorachei que train_ydeveria ser definido como y : array-like, shape = [n_samples] or [n_samples, n_outputs] Alguma ideia de como resolver esse problema?

Mude esta linha:

model = forest.fit(train_fold, train_y)

para:

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

Editar:

.valuesfornecerá os valores em uma matriz. (forma: (n, 1)

.ravel irá converter essa forma de matriz em (n,)

Eu também encontrei essa situação quando estava tentando treinar um classificador KNN . mas parece que o aviso desapareceu depois que mudei:
knn.fit(X_train,y_train)
para
knn.fit(X_train, np.ravel(y_train,order='C'))

À frente desta linha eu usei import numpy as np.

Eu tive o mesmo problema. O problema era que os rótulos estavam em um formato de coluna enquanto ele esperava em uma linha. usarnp.ravel()

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

Espero que isso resolva isso.

use o código abaixo:

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

se você ainda está recebendo tapa por erro tão idêntico como abaixo?

Unknown label type: %r" % y

use este código:

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

Outra maneira de fazer isso é usar ravel

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

Com o neuraxle , você pode resolver isso facilmente:

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 é uma estrutura semelhante a sklearn para ajuste de hiperparâmetros e AutoML em projetos de aprendizado profundo!

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