Sklearn 决策树分类器显示浮点错误 Python [不是重复的]
Posted
技术标签:
【中文标题】Sklearn 决策树分类器显示浮点错误 Python [不是重复的]【英文标题】:Sklearn Decision Tree Classifier showing float error Python [not a duplicate] 【发布时间】:2018-08-14 02:28:29 【问题描述】:我想用sklearn DecisionTreeClassifier.
做一个预测程序
我正在比较两个列表,ListOnePar
有浮点值,timelist
只有字符串。我总是得到同样的错误。我在网上搜索,我没有找到任何可以帮助我的东西。我所看到的可以在两个列表之间进行比较(一个带有浮点数,另一个带有字符串。)
这不是另一个问题的重复,在另一个问题中错误是完全不同的,整个程序是不同的。
这是错误:
Pred1=tree.DecisionTreeClassifier()
AttributeError: 'float' object has no attribute 'DecisionTreeClassifier'
这是代码:
from sklearn import tree
ListOnePar=[]
for child in tree1.get_children(id1):
ListTwoPar=[]
one=round(float(tree1.item(child,"values")[1]),2)
two=round(float(tree1.item(child,"values")[2]),2)
tree=round(float(tree1.item(child,"values")[3]),2)
four=round(float(tree1.item(child,"values")[5]),1)
five=round(float(tree1.item(child,"values")[6]),1)
ListTwoPar.append(one)
ListTwoPar.append(two)
ListTwoPar.append(tree)
ListTwoPar.append(four)
ListTwoPar.append(five)
ListOnePar.append(ListTwoPar)
timelist=[]
for child in tree1.get_children(id1):
time=tree1.item(child,"values")[7]
timelist.append(time)
Pred1=tree.DecisionTreeClassifier()
Pred1=Pred1.fit(ListOnePar,time)
size=float(PredSizeEntry.get())
time=float(PredTimeEntry.get())
cost=float(PredCostEntry.get())
level=float(PredLevelEntry.get())
subcontractors=float(PredSubcontractorsEntry.get())
ListForPrediction1=[]
ListForPrediction2=[]
ListForPrediction2.insert(0,size)
ListForPrediction2.insert(1,time)
ListForPrediction2.insert(2,cost)
ListForPrediction2.insert(3,level)
ListForPrediction2.insert(4,subcontractors)
ListForPrediction1.append(ListForPrediction2)
prediction1=Pred1.predict(ListForPrediction1)
print(prediction1[0])
【问题讨论】:
can't use scikit-learn - "AttributeError: 'module' object has no attribute ..."的可能重复 这就是预测的完整代码。我已经制作了完美运行的类似代码,唯一不同的是我的代码,我手动输入了列表值,在这段代码中我使用 for 循环来完成。使用for循环,我从树视图中获取值,并且树视图中的所有值都是浮点数,除了列表时间中的值,这些值都是字符串。 只需检查您是否安装了多个版本的sklearn
。这可能是导致问题的原因。
我没有安装多个版本的(sklearn),我刚刚检查过。
【参考方案1】:
我认为你的程序中有一个变量tree
程序使用 import 语句 tree
或 tree
变量感到困惑,因为您将 tree
覆盖为浮动
将变量名改为three
for child in tree1.get_children(id1):
ListTwoPar=[]
one=round(float(tree1.item(child,"values")[1]),2)
two=round(float(tree1.item(child,"values")[2]),2)
tree=round(float(tree1.item(child,"values")[3]),2) # <===== variable to be changed from tree to three
four=round(float(tree1.item(child,"values")[5]),1)
five=round(float(tree1.item(child,"values")[6]),1)
您在计算 tree=round(float(tree1.item(child,"values")[3]),2)
时将 tree
设为浮点数,因此您收到错误消息:AttributeError: 'float' object has no attribute 'DecisionTreeClassifier'
【讨论】:
tree1 是树视图的名称,我无法更改。我用它来获取树视图的值。tree=round(float(tree1.item(child,"values")[3]),2)
你在这行有错字。你写的是树而不是三个
ooooh.. 是的...我会检查的
把tree=round(float(tree1.item(child,"values")[3]),2)
改成three=round(float(tree1.item(child,"values")[3]),2)
好吧,我想你帮我解决了这个问题,但现在我在运行程序时遇到了这个错误:TypeError: Singleton array array('nene', dtype='<U4') cannot be considered a valid collection.
以上是关于Sklearn 决策树分类器显示浮点错误 Python [不是重复的]的主要内容,如果未能解决你的问题,请参考以下文章