使用tpot的分类数据

Question

我正在尝试将tpot与我在pandas数据帧中的输入一起使用。我一直收到错误：

TypeError:输入类型不支持ufunc 'isnan‘，根据转换规则''safe'’，无法将输入安全地强制转换为任何支持的类型

我相信这个错误是因为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。我有分类输入和连续输入以及连续输出的组合。下面是一个包含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()

我必须以某种方式转换分类数据吗？dataframe.values和dataframe.as_matrix给我的对象也给了我一个错误。

Answer 1

这就对了--你需要转换你的分类值。TPOT假设所有数据都将以scikit-learn兼容的格式出现，这意味着所有数据都是数字。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。

我修改了下面的示例，以展示如何使用pandas将分类值转换为数字值。

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)