Sklearn GridSearchCV с использованием столбца Pandas DataFrame

Question

Im работает с GridSearchCV (Grid Search Cross Validation) из библиотеки Sklearn на SGDClassifier (классификатор счисления стохастического градиента). Я использую DataFrame из Pandas для функций и целей. Вот код:

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) 

Где X_train является 300 строк х 31 столбцов Панды DataFrame с каждым столбцом с именем следующей:

['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'] 

И y_train является 300 строк х 1 колонки панды серии названной следующее:

['passed'] 

Когда я пытаюсь алгоритм GridSearchCV, я получаю следующее сообщение об ошибке:

IndexError: too many indices for array 

Answer 1

Код ниже готовит случайный набор данных, который соответствует вашему определению:

• X_train = 300x31 DataFrame
• y_train = 300x1 серии с 2 классами, 0 и 1).

С X_train и y_train ниже код работает, так что проблема может быть в самих данных.

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) 

В самом деле, вы упоминаете DataFrame имеет 31 столбцов, , но список имен столбцов, предоставленных вами только имеет 30 элементов. Проблема может заключаться в построении X_train.

(я сделал тест с меньшим количеством параметров, здесь уменьшенная версия для воспроизводимости :)

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)