python分类值错误中的LightGBM回归答案

【问题标题】：LightGBM Regression in python categorical values errorpython分类值错误中的LightGBM回归
【发布时间】：2021-05-22 18:02:05
【问题描述】：

我正在尝试在 python 中安装 LightGBM 回归器，但它给了我一个错误。基本上，我有一个数据集，其中所有预测变量都是分类的，我的目标变量是连续数字。因为，我所有的 X 变量都是分类的，所以我使用标签编码将它们转换为数字形式。之后，我将分类变量传递给 LGBMRegressor，以便算法相应地处理它们。

# lightgbm for regression
import numpy as np
import lightgbm as lgb
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn import preprocessing


df = pd.read_csv("TrainModelling.csv")
df.drop(df.columns[0],axis=1,inplace=True)    #Remove index column
y = df["Target"]
X = df.drop("Target", axis=1)

le = preprocessing.LabelEncoder()
X = X.apply(le.fit_transform)


X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.2, random_state=42)


hyper_params = {
    'task': 'train',
    'boosting_type': 'gbdt',
    'objective': 'regression',
    'metric': ['l2', 'auc'],
    'learning_rate': 0.005,
    'feature_fraction': 0.9,
    'bagging_fraction': 0.7,
    'bagging_freq': 10,
    'verbose': 0,
    "max_depth": 8,
    "num_leaves": 128,  
    "max_bin": 512,
    "num_iterations": 100000,
    "n_estimators": 1000
}

cat_feature_list = np.where(X.dtypes != float)[0]

gbm = lgb.LGBMRegressor(**hyper_params, categorical_feature=cat_feature_list)

gbm.fit(X_train, y_train,
        eval_set=[(X_test, y_test)],
        eval_metric='l1',
        early_stopping_rounds=1000)

错误：

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

【问题讨论】：

标签： python machine-learning deep-learning lightgbm

【解决方案1】：

这行有问题：

cat_feature_list = np.where(X.dtypes != float)[0]

（我希望您分享错误的整个追溯，这样可以节省时间..）

X.dtypes != float 给出 pandas 的一系列布尔值，numpy 然后尝试评估其真实性并因此评估错误。获取列表中分类列的名称：

cat_feature_list = X.select_dtypes("object").columns.tolist()

【讨论】：