Sklearn 随机森林回归器出错

Question

尝试使用如下所示的 y 数据拟合随机森林回归模型时：

[  0.00000000e+00   1.36094276e+02   4.46608221e+03   8.72660888e+03
   1.31375786e+04   1.73580193e+04   2.29420671e+04   3.12216341e+04
   4.11395711e+04   5.07972062e+04   6.14904935e+04   7.34275322e+04
   7.87333933e+04   8.46302456e+04   9.71074959e+04   1.07146672e+05
   1.17187952e+05   1.26953374e+05   1.37736003e+05   1.47239359e+05
   1.53943242e+05   1.78806710e+05   1.92657725e+05   2.08912711e+05
   2.22855152e+05   2.34532982e+05   2.41391255e+05   2.48699216e+05
   2.62421197e+05   2.79544300e+05   2.95550971e+05   3.13524275e+05
   3.23365158e+05   3.24069067e+05   3.24472999e+05   3.24804951e+05

X 数据如下所示：

[ 735233.27082176  735234.27082176  735235.27082176  735236.27082176
  735237.27082176  735238.27082176  735239.27082176  735240.27082176
  735241.27082176  735242.27082176  735243.27082176  735244.27082176
  735245.27082176  735246.27082176  735247.27082176  735248.27082176

使用以下代码：

regressor = RandomForestRegressor(n_estimators=150, min_samples_split=1)
rgr = regressor.fit(X,y)

我收到这个错误：

ValueError: Number of labels=600 does not match number of samples=1

我假设我的一组值的格式错误，但我从文档中看不太清楚。

Answer 1

X的形状应该是[n_samples, n_features]，可以通过

变换X

X = X[:, None]

Answer 2

它将您的样本列表 X 视为 1 个样本作为向量，因此以下工作

rgr = regressor.fit(map(lambda x: [x],X),y)

在带有 vstack 的 numpy 中可能有更有效的方法。

Sklearn 随机森林回归器出错

Error with Sklearn Random Forest Regressor

python

numpy

machine-learning

random-forest

scikit-learn