我已经推荐了这些帖子
here
,
here
和
here
.不要将其标记为重复。
我正在研究一个二进制分类问题,我的数据集有分类列和数字列。
然而,一些分类列混合了数值和字符串值。如果没有,它们只表示类别名称。
例如,我有一个专栏叫做
biz_category
它的价值观是
A,B,C,4,5
等
我猜下面的错误是由于以下值引发的
4 and 5
.
因此,我试着将它们转换成
category
数据类型。(但仍然不起作用)
cols=X_train.select_dtypes(exclude='int').columns.to_list()
X_train[cols]=X_train[cols].astype('category')
我的数据信息如下所示
<class 'pandas.core.frame.DataFrame'>
Int64Index: 683 entries, 21 to 965
Data columns (total 9 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Feature_A 683 non-null category
1 Product Classification 683 non-null category
2 Industry 683 non-null category
3 DIVISION 683 non-null category
4 biz_category 683 non-null category
5 Country 683 non-null category
6 Product segment 683 non-null category
7 SUBREGION 683 non-null category
8 Quantity 1st year 683 non-null int64
dtypes: category(8), int64(1)
所以,在数据类型转换之后,当我尝试下面的SMOTENC时,我得到了一个错误
print("Before OverSampling, counts of label '1': {}".format(sum(y_train == 1)))
print("Before OverSampling, counts of label '0': {} \n".format(sum(y_train == 0)))
cat_index = [0,1,2,3,4,5,6,7]
# import SMOTE module from imblearn library
# pip install imblearn (if you don't have imblearn in your system)
from imblearn.over_sampling import SMOTE, SMOTENC
sm = SMOTENC(categorical_features=cat_index,random_state = 2,sampling_strategy = 'minority')
X_train_res, y_train_res = sm.fit_resample(X_train, y_train)
这会导致如下所示的错误
---------------------------------------------------------------------------TypeError回溯(最近一次通话)
(最后)
~\AppData\Roaming\Python\Python39\site packages\sklearn\utils\u encode。py
在_unique_python中(值,返回_逆)
134
-->135 uniques=已排序(uniques_集)
136个单号。扩展(缺少_值。到_列表())
TypeError:“<”在'str'和'int'实例之间不受支持
在处理上述异常期间,发生了另一个异常:
TypeError回溯(最近一次通话)
(最后)
C:\Users\SATHAP~1\AppData\Local\Temp/ipykernel_31168/1931674352。进来
6.从中学习。过度采样输入SMOTE,SMOTENC
7 sm=SMOTENC(分类特征=cat索引,随机状态=2,抽样策略=minority)
---->8 X_train_res,y_train_res=sm。fit_重采样(X_-train,y_-train)
9
10打印('过采样后,序列X:{}的形状。格式(X_序列res.形状))
~\AppData\Roaming\Python\Python39\site packages\imblearn\base。进来
fit_重采样(自我、X、y)
81 )
82
--->83输出=自我。
拟合重采样(X,y)
84
85岁
= (
~\AppData\Roaming\Python\Python39\site packages\imblearn\over\u sampling\u smote\base。py
在里面
fit_重采样(自我、X、y)
511
512#OneHotEncoder的输入需要密集
-->513 X_ohe=自我。哦
.fit_transform(
514 X_绝对的。toarray()如果稀疏。issparse(X_分类)else X_分类
515 )
~\AppData\Roaming\Python\Python39\site packages\sklearn\preprocessing\u编码器。py
in-fit_变换(self,X,y)
487自我_验证_关键字()
-->488 return super()。拟合_变换(X,y)
489
490 def变换(自我,X):
~\AppData\Roaming\Python\Python39\site packages\sklearn\base。进来
拟合变换(自、X、y、**拟合参数)
850如果y为无:
851#算术1的拟合方法(无监督变换)
-->852回归自我。配合(X,**配合参数)。变换(X)
853其他:
854#算术2的拟合方法(监督变换)
~\AppData\Roaming\Python\Python39\site packages\sklearn\preprocessing\u编码器。py
合身(自我,X,y)
459 """
460自我_验证_关键字()
-->461赛尔夫。
fit(X,handle_unknown=self.handle_unknown,force_all_finite=“allow nan”)
462自我。投递
自我_compute_drop_idx()
463回归自我
~\AppData\Roaming\Python\Python39\site packages\sklearn\preprocessing\u编码器。py
不匹配(自我,X,手柄未知,强制所有有限)
93如果是赛尔夫。类别==“自动”:
--->94只猫=独一无二(Xi)
95其他:
96只猫=np。数组(self.categories[i],dtype=Xi.dtype)
~\AppData\Roaming\Python\Python39\site packages\sklearn\utils\u encode。py
in _unique(值,返回_倒数)
29 """
30个if值。dtype==对象:
--->31 return\u unique\u python(值,return\u inverse=return\u inverse)
32#数字
33 out=np。唯一(值,返回值=返回值)
~\AppData\Roaming\Python\Python39\site packages\sklearn\utils\u encode。py
在_unique_python中(值,返回_逆)
138除类型错误外:
139种类型=已排序(t。
魁名
对于集合中的t(对于值中的v,类型(v))
-->140上升类型错误(
141“编码器要求其输入一致”
142 f“字符串或数字。有{types}”
TypeError:编码器要求输入统一为字符串或字符串
数字。得到[int',str']
我应该改变吗
y_train
也变成了绝对的?目前是
int64
.
请帮帮我
