带有 tpot 的分类数据答案

【问题标题】：Categorical Data with tpot带有 tpot 的分类数据
【发布时间】：2018-09-24 02:39:46
【问题描述】：

我正在尝试将 tpot 与我在 pandas 数据帧中的输入一起使用。我不断收到错误：

TypeError: 输入类型不支持 ufunc 'isnan'，根据转换规则 ''safe'' 无法安全地将输入强制转换为任何支持的类型

我相信这个错误是由于 isnan 无法处理我的数据结构，但我不确定如何以不同的方式格式化它。我有分类和连续输入以及连续输出的组合。以下是具有相似数据的代码示例：

train_x=[[1,2,3],['test1','test2','test3'],[56.2,4.5,3.4]]
train_y=[[3,6,7]]
from tpot import TPOTRegressor

tpot=TPOTRegressor()

我是否必须以某种方式转换我的分类数据？ dataframe.values 和 dataframe.as_matrix 给我的对象也会给我一个错误。

【问题讨论】：

标签： python tpot

【解决方案1】：

没错 - 您需要转换分类值。 TPOT 假设所有数据都采用 scikit-learn 兼容格式，这意味着所有数据都是数字的。我们最近才添加了对缺失值的支持，尽管大多数 scikit-learn 算法也不接受缺失值的数据。

我在下面修改了您的示例，以展示如何使用 pandas 将分类值转换为数值。

import pandas as pd
from tpot import TPOTRegressor

train_x = pd.DataFrame()
train_x['a'] = [1,2,3,4]
train_x['b'] = ['test1','test2','test3','test4']
train_x['c'] = [56.2,4.5,3.4,6.7]

# This line one-hot encodes the categorical variables
train_x = pd.get_dummies(train_x).values
# Print train_x out to understand what one-hot encoding entails
print(train_x)

train_y = [3,6,7,9]

my_tpot = TPOTRegressor(cv=2)
my_tpot.fit(train_x, train_y)

【讨论】：

非常感谢，兰迪！这是有道理的！
我运行 tpot 几个小时，然后提前停止，这次我收到了类似的关于 testing_features 而不是 features 的警告。知道发生了什么吗？这是完整的警告：第 832 行，在 score if np.any(np.isnan(testing_features)): TypeError: ufunc 'isnan' not supported for the input types，并且输入不能安全地强制转换为任何支持的类型根据强制转换规则“安全”
scikit-learn 似乎可以处理布尔特征，但 TPOT 不能。
@Randy - 我看到其中一种转换是 onehotencoder。这不是一次性对数据进行编码，所以仍然有必要吗？
@JSpen TPOT 假定您已经以适当的方式对数据进行了编码。 TPOT 在某些配置中确实使用 one-hot 编码器，但并非总是如此。最好自己将数据编码成数字格式，这样就不会遇到任何问题。