python - 为 scikit-learn 准备 scipy.io.loadarff 结果

Question

我正在尝试将 scikit-learn 与 .arff 文件一起使用。考虑以下代码:

from sklearn.ensemble import RandomForestClassifier
from scipy.io.arff import loadarff

import scipy as sp
import numpy as np

dataset = loadarff(open('iris.arff','r'))
target = np.array(dataset[0]['class'])
train = np.array(dataset[0][['sepallength', 'sepalwidth', 'petallength', 'petalwidth']])
rf = RandomForestClassifier(n_estimators = 20, n_jobs = 8)
rf.fit(train, target)

它返回以下错误:

ValueError: need more than 1 value to unpack

我认为这与 train 是元组数组而不是列表(或数组？)这一事实有关；检查 sklearn.datasets.load_iris() 揭示了一个列表数组(数组？)，它与 RandomForestClassifier 一起成功工作。

Answer 1

RandomForestClassifier 的文档会告诉您 fit 将其 X 参数作为一个二维数组 (n_samples , n_features)，但你拥有的确实是一个一维数组:

>>> target.shape
(150,)
>>> train.shape
(150,)

令人惊讶的是，这个数组的内容不是元组，而是我以前从未遇到过的类型:

>>> train[0]
(5.1, 3.5, 1.4, 0.2)
>>> type(train[0])
<type 'numpy.void'>

此类型未记录并且对 asarray 和 astype 的响应相当奇怪，但转换为列表列表并返回数组就可以了:

>>> X = np.asarray(train.tolist(), dtype=np.float32)
>>> X.shape
(150, 4)
>>> rf.fit(X, target)
RandomForestClassifier(bootstrap=True, compute_importances=None,
            criterion='gini', max_depth=None, max_features='auto',
            max_leaf_nodes=None, min_density=None, min_samples_leaf=1,
            min_samples_split=2, n_estimators=20, n_jobs=8,
            oob_score=False, random_state=None, verbose=0)