使用决策树模型传递单行字典进行预测

Question

我有这个简单的决策树模型以及预处理

merged_df = pd.read_excel(r'C:\Users\Kiwi\Downloads\data set balance.xlsx')

list_object = ['NAMA', 'TARGET', 'NIM']

merged_df['NIM'] = merged_df['NIM'].apply(str)

num_columns = merged_df.select_dtypes(include=['float64']).columns
cat_columns = merged_df.select_dtypes(include=['object']).drop(list_object, axis=1).columns

numeric_transformer = Pipeline(steps=[
    ('imputer', SimpleImputer(strategy='mean')),
    ('scaler', StandardScaler())])

categorical_transformer = Pipeline(steps=[
    ('imputer', SimpleImputer(strategy='most_frequent')),
    ('label', OneHotEncoder(handle_unknown='ignore'))])

preprocessor = ColumnTransformer(
    transformers=[
        ('num', numeric_transformer, num_columns),
        ('cat', categorical_transformer, cat_columns)])

X = merged_df.drop(['TARGET','NIM','NAMA','NO.'],1)
y = merged_df['TARGET']

X_train = X
y_train = y

rf = Pipeline(steps=[('preprocessor', preprocessor),
                         ('classifier',tree.DecisionTreeClassifier(
                             class_weight='balanced', criterion='entropy'))])

rf.fit(X_train, y_train)

print('fitted')

X_test = {'Pendidikan Kewarganegaraan': 'C',
 'Pendidikan Agama dalam TIK': 'A-',
 'Kepemimpinan dan Pengembangan Karakter': 'A-',
 'Bahasa Indonesia untuk TI': 'B-',
 'Matematika Diskrit': 'A-',
 'Pengantar Multimedia': 'A',
 'Algoritma dan Pemrograman': 'B',
 'Rekayasa Perangkat Lunak': 'A',
 'Jaringan Komputer dan Komunikasi': 'A-',
 'Aljabar Linier': 'A-',
 'Struktur Data': 'A-',
 'Sistem Basis Data': 'B',
 'IP_smt1': 2.78,
 'IP_smt2': 3.16,
 'IP_smt3': 2.85,
 'IP_smt4': 3.41,
 'IP_smt5': 2.83,
 'IP_smt6': 3.37,
 'IP_smt7': 3.6,
 'IP_s8': 3.16,
 'IPK': 3.145
}

pred = rf.predict([X_test])

我正在尝试将单行字典（X_test）传递给模型，但它返回错误提示

ValueError: Expected 2D array, got 1D array instead:Reshape your data either 
using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

我不确定是否可以这样做，但根据文档，它说 predict 接受像输入一样的数组，但 dict 也不能​​重塑。有没有办法解决这个问题或者这是不可能的？

the data if you'd like to see

Answer 1

我通过简单地将括号添加到 X_test 来解决此问题

X_test = [
{'Pendidikan Kewarganegaraan': 'C',
 'Pendidikan Agama dalam TIK': 'A-',
 'Kepemimpinan dan Pengembangan Karakter': 'A-',
 'Bahasa Indonesia untuk TI': 'B-',
 'Matematika Diskrit': 'A-',
 'Pengantar Multimedia': 'A',
 'Algoritma dan Pemrograman': 'B',
 'Rekayasa Perangkat Lunak': 'A',
 'Jaringan Komputer dan Komunikasi': 'A-',
 'Aljabar Linier': 'A-',
 'Struktur Data': 'A-',
 'Sistem Basis Data': 'B',
 'IP_smt1': 2.78,
 'IP_smt2': 3.16,
 'IP_smt3': 2.85,
 'IP_smt4': 3.41,
 'IP_smt5': 2.83,
 'IP_smt6': 3.37,
 'IP_smt7': 3.6,
 'IP_s8': 3.16,
 'IPK': 3.145
}]

然后我把它变成dataframe

X_test = pd.DataFrame(X_test)

并将其传递给预测。有效

Answer 2

您当前传递rf.predict([X_test]) 输入的方式本质上是说[X_test] 是一个列表，其中一行是您的字典X_test。如果您想简单地将字典的值传递给rf.predict()，您可以迭代X_test 的键并附加到一个列表中。

    # import at top of module
    import numpy as np 

    list_x = []
    for key in X_test:
        list_x.append(X_test[key])
    
    # convert to array
    array_x = np.array(list_x)

    # reshape
    array_x = np.reshape(array_x, (-1, 1))
    rf.predict(array_x)

编辑：我犯了一个错误，在 np.reshape() 方法中省略了括号。已更新以包含正确的语法。