Sklearn GridSearchCV utilisant la colonne Pandas DataFrame

Question

Je cours un GridSearchCV (Grid Search Cross Validation) à partir de la bibliothèque Sklearn sur un SGDClassifier (classificateur de descente de gradient stochastique). J'utilise un DataFrame de Pandas pour les fonctionnalités et la cible. Voici le code:

from sklearn.grid_search import GridSearchCV 
parameters = {'loss': [ 'hinge', 'log', 'modified_huber', 'squared_hinge', 'perceptron'], 'alpha': [0.1, 0.01, 0.001, 0.0001, 0.00001, 0.000001, 0.0000001], 'n_iter': list(np.arange(1,1001))} 
clf = GridSearchCV(estimator = SGDClassifier(), param_grid = parameters, scoring = 'f1') 
print(clf) 
clf.fit(X_train, y_train) 

Où est X_train est un 300 lignes x 31 colonnes Pandas dataframe avec chaque colonne nommée par ce qui suit:

['school', 'sex', 'age', 'address', 'famsize', 'Pstatus', 'Medu', 'Fedu', 'Mjob', 'Fjob', 'reason', 'guardian', 'traveltime', 'studytime', 'failures', 'schoolsup', 'famsup', 'paid', 'activities', 'nursery', 'higher', 'internet', 'romantic', 'famrel', 'freetime', 'goout', 'Dalc', 'Walc', 'health', 'absences'] 

Et y_train est un 300 lignes x 1 colonne Pandas série nommée par les éléments suivants:

['passed'] 

Lorsque je tente l'algorithme de GridSearchCV, je me fais la déclaration d'erreur suivant:

IndexError: too many indices for array 

Answer 1

Le code ci-dessous prépare un jeu de données aléatoire qui est conforme à votre définition:

• X_train = 300x31 dataframe
• y_train = 300x1 série avec 2 classes, 0 et 1).

Avec le X_train et y_train ci-dessous votre code fonctionne, de sorte que le problème peut être dans les données elles-mêmes.

import pandas as pd 
import numpy as np 

N = 300 
D = 31 

y_train = pd.Series([0,1]*(N/2)) 
X_train = np.matrix(y_train).T.repeat(D, axis=1) + np.random.normal(size=(N, D)) 
X_train = pd.DataFrame(X_train) 

, vous mentionnez En effet, la trame de données dispose de 31 colonnes, mais la liste des noms de colonnes qui vous sont fournis a seulement 30 éléments. Le problème peut être dans la construction de X_train.

(je l'ai fait le test avec moins de paramètres, voici la version réduite pour la reproductibilité :)

from sklearn.grid_search import GridSearchCV 
from sklearn.linear_model import SGDClassifier 
parameters = {'loss': [ 'hinge', 'log', 'modified_huber', 'squared_hinge', 'perceptron'], 'alpha': [0.1, 0.01], 'n_iter': [1,2, 1000]} 
clf = GridSearchCV(estimator = SGDClassifier(), param_grid = parameters, scoring = 'f1') 
print(clf) 
clf.fit(X_train, y_train)