sklearn：无法训练具有大数据帧的决策树

Question

我正在使用 Python 和 sk-learn 进行我的第一个项目。在项目中，我必须根据可用数据进行预测。为此，我想使用 DesicionTreeClassifier。我确实加载并清理了数据并开始生成几棵树。在生成过程中，一些数据集确实无法生成树，而另一些则可以。当我仔细观察时，我发现可以训练树的数据集少于 30 行，每行 9 列。树似乎不能超过4.

Traceback (most recent call last):
  File "/usr/local/bin/decisionTree/readAnPrepareData.py", line 57, in <module>
    trainForest()
  File "/usr/local/bin/decisionTree/readAnPrepareData.py", line 39, in trainForest
    model.fit(X_train, Y)
  File "/usr/lib/pymodules/python2.7/sklearn/tree/tree.py", line 524, in fit
    X_argsorted=X_argsorted)
  File "/usr/lib/pymodules/python2.7/sklearn/tree/tree.py", line 340, in build
    recursive_partition(X, X_argsorted, y, sample_mask, 0, -1, False)
  File "/usr/lib/pymodules/python2.7/sklearn/tree/tree.py", line 306, in recursive_partition
    depth + 1, node_id, True)
  File "/usr/lib/pymodules/python2.7/sklearn/tree/tree.py", line 306, in recursive_partition
    depth + 1, node_id, True)
  File "/usr/lib/pymodules/python2.7/sklearn/tree/tree.py", line 306, in recursive_partition
    depth + 1, node_id, True)
  File "/usr/lib/pymodules/python2.7/sklearn/tree/tree.py", line 306, in recursive_partition
    depth + 1, node_id, True)
  File "/usr/lib/pymodules/python2.7/sklearn/tree/tree.py", line 272, in recursive_partition
    min_samples_leaf, max_features, criterion, random_state)
  File "_tree.pyx", line 533, in sklearn.tree._tree._find_best_split (sklearn/tree/_tree.c:4812)
ValueError: ndarray is not Fortran contiguous

我是这样创建树的：

model = DecisionTreeClassifier()
model.fit(X_train, Y)

这可能是什么原因造成的？这可能是因为溢出？那将是非常奇怪的想法，因为这只是这么少的数据...

Numpy 运行版本：1.9.2 scikit-学习“0.16.1”

Answer 1

正如@HerrDerb 测试的那样。这似乎是一个版本回归错误。

升级到最新的 scikit-learn 以及可选的 NumPy 应该可以解决这个问题。

我想，相关讨论可以在#1793, #1678

阅读

sklearn：无法训练具有大数据帧的决策树

sk-learn: cannot train decision tree with big dataframes

python

runtime-error

decision-tree

pandas

scikit-learn