Pycaret 使用 Colab 预测多分类中的错误答案

【问题标题】：Pycaret predict error in multiclassification using ColabPycaret 使用 Colab 预测多分类中的错误
【发布时间】：2022-11-12 11:48:30
【问题描述】：

我正在使用 Colab 中的 Pycaret 库对这个数据集进行简单的预测：

https://www.kaggle.com/andrewmvd/fetal-health-classification

当我运行我的代码时：

from pycaret.utils import enable_colab 
enable_colab()


from google.colab import drive
drive.mount('/content/drive')


import pandas as pd
from pycaret.classification import *
from pandas_profiling import ProfileReport


df= pd.read_csv("/content/drive/MyDrive/Pycaret/fetal_health.csv")


df2 = df.iloc[:,:11]
df2['fetal_health'] = df['fetal_health']



test = df2.sample(frac=0.10, random_state=42, weights='fetal_health')
train = df2.drop(test.index)

test.reset_index(inplace=True, drop=True)
train.reset_index(inplace=True, drop=True)


clf = setup(data =train, target = 'fetal_health', session_id=42,
 log_experiment=True, experiment_name='fetal', normalize=True)

best = compare_models(sort="Accuracy")


rf = create_model('rf', fold=30)


tuned_rf = tune_model(rf, optimize='Accuracy')


predict_model(tuned_rf)

我明白了错误：

我认为这是因为我的目标变量不平衡（参见 img）并导致预测不正确。

有人可以帮我理解吗？提前谢谢

【问题讨论】：

标签： python-3.x machine-learning classification google-colaboratory pycaret

【解决方案1】：

您是否在单独的单元格中运行每个步骤来检查输出？

跑

clf = setup(data =train, target = 'fetal_health', session_id=42,
 log_experiment=True, experiment_name='fetal', normalize=True)

并检查：

是否正确推断出所有变量类型？（例如，将您的代码与同名的 Kaggle 数据集一起使用，所有变量都显示为数字，除了严重减速显示为“分类”——是否正确？
是否有任何需要更改的预处理配置？我确定您的问题与不平衡的目标变量无关，但是您可以通过更改设置来测试自己（添加fix_imbalance = 真更改默认值 - 当您检查设置输出时，它显示为 False）。

您可以在此处了解有关可用预处理配置的更多信息：

https://pycaret.gitbook.io/docs/get-started/preprocessing

此外，在进行故障排除时，您可以使用
```
best_model = create_model(best, fold=30)
predict_model(best_model)
```
（无需查找最佳模型手动添加到create_model()，或使用 tune_model() 直到模型正常工作。）

【讨论】：

【解决方案2】：

我发现问题出在哪里：我的目标变量以值 1 开头，并具有 3 个不同的值。当 Pycaret 尝试进行列表理解时，这会出错（因为它从零索引开始）。为了解决这个问题，我只是将我的变量转换为从零开始并且工作正常

【讨论】：

【解决方案3】：

莱安德罗，

非常感谢您的解决方案！我在使用相同的数据集时遇到了同样的问题！

A. Beal，我试过你的解决方案，还是出现同样的错误信息，所以我尝试了Leandro的解决方案，问题其实是目标以1开头，而不是0。谢谢你关于如何减少的建议编码！

【讨论】：