scikit-learn을 처음 사용했습니다. 전처리를 사용하려고합니다. OneHotEncoder를 사용하여 교육 및 테스트 데이터를 인코딩 할 수 있습니다. 인코딩 후에는 해당 데이터를 사용하여 임의의 포리스트 분류자를 훈련 시키려고했습니다. 하지만 피팅 할 때 다음 오류가 발생합니다. (여기서 오류 추적)Sklearn - 임의의 포리스트 분류 자에서 인코딩 된 데이터를 사용할 수 없습니다.
99 model.fit(X_train, y_train)
100 preds = model.predict_proba(X_cv)[:, 1]
101
C:\Python27\lib\site-packages\sklearn\ensemble\forest.pyc in fit(self, X, y, sample_weight)
288
289 # Precompute some data
--> 290 X, y = check_arrays(X, y, sparse_format="dense")
291 if (getattr(X, "dtype", None) != DTYPE or
292 X.ndim != 2 or
C:\Python27\lib\site-packages\sklearn\utils\validation.pyc in check_arrays(*arrays, **options)
200 array = array.tocsc()
201 elif sparse_format == 'dense':
--> 202 raise TypeError('A sparse matrix was passed, but dense '
203 'data is required. Use X.toarray() to '
204 'convert to a dense numpy array.')
TypeError: A sparse matrix was passed, but dense data is required. Use X.toarray() to convert to a dense numpy array.
나는 조밀 사용 X.toarray()와 X.todense() 에 희소 행렬을 변환하려고하지만 그렇게 할 때, 나는 다음과 같은 오류 추적을 얻을.
99 model.fit(X_train.toarray(), y_train)
100 preds = model.predict_proba(X_cv)[:, 1]
101
C:\Python27\lib\site-packages\scipy\sparse\compressed.pyc in toarray(self)
548
549 def toarray(self):
--> 550 return self.tocoo(copy=False).toarray()
551
552 ##############################################################
C:\Python27\lib\site-packages\scipy\sparse\coo.pyc in toarray(self)
236
237 def toarray(self):
--> 238 B = np.zeros(self.shape, dtype=self.dtype)
239 M,N = self.shape
240 coo_todense(M, N, self.nnz, self.row, self.col, self.data, B.ravel())
ValueError: array is too big.
누구든지 해결하도록 도움을 줄 수 있습니까?
는
랜덤 포리스트를 수정해야 할 때입니다. –
이 경우에도 RF에서 입력을 아주 적게 지원하더라도 매우 높은 카디널리티 기능에 순진하게 onehotencoder를 적용하면 작동하지 않을 가능성이 높습니다. 시끄러운 기능은 결코 도움이되지 않습니다. – ogrisel
OP가 먼저 기능을 선택해야한다는 의미입니까? –