无法使用 XGBoost 进行预测

Question

我有一个程序使用 XGBoost 来预测二元分类。我已经完成了大部分代码，但是在我想使用用户定义的变量来预测该类的最后，我遇到了问题。在分享代码之前，变量'clf'是我在执行GridSearchCV后选择的最优分类器：

def prob1(LIMIT_BAL, SEX, EDUCATION, MARRIAGE, AGE, PAY_0, PAY_2, PAY_3, PAY_4, PAY_5, PAY_6, BILL_AMT1, BILL_AMT2, BILL_AMT3,
 BILL_AMT4, BILL_AMT5, BILL_AMT6, PAY_AMT1, PAY_AMT2, PAY_AMT3, PAY_AMT4, PAY_AMT5, PAY_AMT6):
    #1) Store user entered information into a series, convert to dataframe, then transpose so that it is all in 1 row just like in training set.

    lst = [LIMIT_BAL, SEX, EDUCATION, MARRIAGE, AGE, PAY_0, PAY_2, PAY_3, PAY_4, PAY_5, PAY_6, BILL_AMT1, BILL_AMT2, BILL_AMT3,
 BILL_AMT4, BILL_AMT5, BILL_AMT6, PAY_AMT1, PAY_AMT2, PAY_AMT3, PAY_AMT4, PAY_AMT5, PAY_AMT6]

    ud_df = pd.Series(lst)
    ud_df = ud_df.to_frame()
    ud_df = ud_df.T
    #2) Perform the same normalization and factorization of the values as done when loading the data in above.
    c = [1,2,3] # index of categorical data columns
    r = list(range(0,23)) 
    r = [x for x in r if x not in c] # get list of all other columns
    df_cat = ud_df.iloc[:, [2,3,4]].copy()
    df_con = ud_df.iloc[:, r].copy()

    # factorize categorical data
    for c in df_cat:
         df_cat[c] = pd.factorize(df_cat[c])[0]

    # scale continuous data
    scaler = preprocessing.MinMaxScaler()
    df_scaled = scaler.fit_transform(df_con)
    df_scaled = pd.DataFrame(df_scaled, columns=df_con.columns)

    df_final = pd.concat([df_cat, df_scaled], axis=1)

    #reorder columns back to original order
    cols = df.columns
    df_final = df_final[cols]

    #Predict
    prediction = clf.predict(df_final)

    #Predict Probability
    probability_pred = clf.predict_probab(df_final)

    return(prediction, probability_pred)

所以定义内部发生了什么，用户给出了这些变量，连续的被标准化，分类变量被分解处理。

当我运行这段代码时，我得到了这个错误：

prob1(50000,1, 1, 1, 37,0,0,0,0,0,0,64400,57069,57608,19394,19619,20024,2500,1815,657,1000,1000,800)

错误代码：df_con = ud_df.iloc[:, r].copy()

IndexError: positional indexers are out-of-bounds

任何帮助都会很棒！

下面是一个示例，展示了一行在没有任何争论的情况下的外观： [50000,1,1,2,37,0,0,0,0,0,0,64400,57069,57608,19394, 19619,20024,2500,1815,657,1000,1000,800]

Edit1：原始代码中的固定边界。我收到此错误，突出显示 prob1(.....) 列：

KeyError: "Index(['ID', 'LIMIT_BAL', 'SEX', 'EDUCATION', 'MARRIAGE', 'AGE', 'PAY_0',\n       'PAY_2', 'PAY_3', 'PAY_4', 'PAY_5', 'PAY_6', 'BILL_AMT1', 'BILL_AMT2',\n       'BILL_AMT3', 'BILL_AMT4', 'BILL_AMT5', 'BILL_AMT6', 'PAY_AMT1',\n       'PAY_AMT2', 'PAY_AMT3', 'PAY_AMT4', 'PAY_AMT5', 'PAY_AMT6'],\n      dtype='object') not in index"

Answer 1

您的列表变量有 23 个元素。

• r = list(range(0,24)) 有 24 个元素。 r = {0,1..23}

当你使用iloc根据索引查找udf中的元素时，由于它只有23个元素，你找不到索引为23的元素，它超出了错误代码所说的范围。