项目场景
在利用随机森林模型预测信用卡流失人数这个项目中,需要划分训练集和测试集。而在划分过程中出现了bug。
问题描述
以下是报错内容:
以下是报错代码:
result_acc += forest.score(x_check, y_check)
原因分析:
这主要是因为sklearn函数的输入参数的数据类型不匹配导致的,有可能是输入的y_train为[0,1,1,0,1]的int型数据,而y_predict是[1,2,3,4]这样的概率数据。因此需要把概率数据转换为整型数据即可。可能使用了**model.predict_proba()**函数进行了预测。
而在后面的代码也会碰到这样的情况。主要分一下情况:
- 写的过程中就运行,这种事会及时发现错误类型,并及时纠正的,后文基本上不会出错。
- 若是在中途并未运行,后文的y_train,y_check,基本上都会出错,所以处处都需要修改。
以下的方法都基于以上两种情况
解决方案:
1.第一种
在写文章的时候就发现错误:
forest.fit(x_train, y_train)
这种情况将数据拆分就好:
y_train = model.predict_proba(x_test)
这种主要是将预测集和训练集的变量拆分
2.第二种
适合中途没有进行检验的朋友,直接在训练集修改
后修改:
forest.fit(x_train, y_train.astype('int')
这种方式简单快捷,易修改。