Python 决策树分类器

Posted 2023-03-12

【中文标题】Python 决策树分类器

【英文标题】：Python Decicion Tree Classifier

【发布时间】：2018-10-20 01:23:08

【问题描述】：

尝试使用 scikit 包构建树分类器，但在获取分类器输入的正确格式时遇到问题..

import pandas as pd
import numpy as np
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

#import dataset
data = pd.read_table('Data/Breast.csv')
data.head(10)

  X=data[['clump_thickness','shape_uniformity','marginal_adhesion','epithelial_size','bare_nucleoli','bland_chromatin','normal_nucleoli','mitoses']]

X_train = X.values

Y = data[['class']]
Y_train = Y.values

model = DecisionTreeClassifier()
model 

model.fit(X_train,Y_train)

但我收到以下错误消息：

ValueError Traceback（最近调用 最后）在（） ----> 1 个模型.fit(X_train,Y_train)

c:\users\tobias\appdata\local\programs\python\python36\lib\site-packages\sklearn\tree\tree.py 适合（self，X，y，sample_weight，check_input，X_idx_sorted） 第788章 第789章 --> 790 X_idx_sorted=X_idx_sorted) 791回归自我 第792章

c:\users\tobias\appdata\local\programs\python\python36\lib\site-packages\sklearn\tree\tree.py 适合（self，X，y，sample_weight，check_input，X_idx_sorted） 114 随机状态=检查随机状态（self.random_state） 115 如果检查输入： --> 116 X = check_array(X, dtype=DTYPE, accept_sparse="csc") 第117章 118 如果是稀疏（X）：

c:\users\tobias\appdata\local\programs\python\python36\lib\site-packages\sklearn\utils\validation.py 在 check_array(array, accept_sparse, dtype, order, copy, force_all_finite，ensure_2d，allow_nd，ensure_min_samples， ensure_min_features、warn_on_dtype、估计器） 第431章 432 其他： --> 433 数组 = np.array（数组，dtype=dtype，order=order，copy=copy） 434 435 如果确保_2d：

ValueError: 无法将字符串转换为浮点数：'?'

我做错了什么？ 我可以看到 X.values 是 dType = Object...

谢谢

【问题讨论】：

您是否尝试将您的列转换为numeric？

几乎所有机器学习算法都期望数值矩阵作为输入。因此，您需要将输入数据集转换为数值或对其进行二值化（取决于您的数据和目标）...

谢谢，伙计们。为了耐心;-)。那里合适的方法是什么——比如 X.astype(int)？因为我试过了，但是没有用。你可以只做 int(X.values) 吗？

仅供参考 - 在玩了更多之后，我找到了一个解决方案，可以直接在熊猫框架上使用 astype 方法：X = data[['clump_thickness','size_uniformity','shape_uniformity','marginal_adhesion','epithelial_size','bland_chromatin','normal_nucleoli','mitoses']].astype('float32')Y = data[['class']].astype('int')

【参考方案1】：

尝试此操作以确保您传递整数，如果您的集合包含字符串或分类值，或者显示另一个问题，我将使用解决方案编辑此答案：

cols = ['clump_thickness','shape_uniformity','marginal_adhesion','epithelial_size','bare_nucleoli','bland_chromatin','normal_nucleoli','mitoses']
for col in cols:
     data[col] = data[col].astype('int') 
X.train = data[cols]
Y.train = data[['class]]

model = DecissionTreeClassifier()
model.fit(X_train,Y_train)