python-3.x - ValueError:未知标签类型:在实现MLPClassifier时

Question

我有带有年，月，日，时，分，秒，Daily_KWH列的数据框。我需要使用神经网络预测每日KWH。请让我知道如何去做

      Daily_KWH_System  year  month  day  hour  minute  second
0          4136.900384  2016      9    7     0       0       0
1          3061.657187  2016      9    8     0       0       0
2          4099.614033  2016      9    9     0       0       0
3          3922.490275  2016      9   10     0       0       0
4          3957.128982  2016      9   11     0       0       0

拟合模型时出现“值错误”。

到目前为止的代码:

X = df[['year','month','day','hour','minute','second']]
y = df['Daily_KWH_System']

from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y)

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
# Fit only to the training data
scaler.fit(X_train)

#y_train.shape
#X_train.shape

X_train = scaler.transform(X_train)
X_test = scaler.transform(X_test)

from sklearn.neural_network import MLPClassifier

mlp = MLPClassifier(hidden_layer_sizes=(30,30,30))

#y_train = np.asarray(df['Daily_KWH_System'], dtype="|S6") 

mlp.fit(X_train,y_train)

错误:

ValueError: Unknown label type: (array([  2.27016856e+02,   3.02173014e+03,   4.29404190e+03,
     2.41273427e+02,   1.76714247e+02,   4.23374425e+03,

Answer 1

首先，这是一个回归问题，而不是分类问题，因为Daily_KWH_System列中的值未形成一组标签。相反，它们似乎是(至少基于提供的示例)实数。

如果您想将其作为分类问题处理，则根据sklearn documentation:

When doing classification in scikit-learn, y is a vector of integers or strings.

在您的情况下， y是浮点数的向量，因此会出现错误。因此，代替线

y = df['Daily_KWH_System']

写线

y = np.asarray(df['Daily_KWH_System'], dtype="|S6")

这样就可以解决问题。 (您可以在此处阅读有关此方法的更多信息: Python RandomForest - Unknown label Error)

但是，由于在这种情况下回归比较合适，因此请代替上述更改，而不是

from sklearn.neural_network import MLPClassifier
mlp = MLPClassifier(hidden_layer_sizes=(30,30,30))

和

from sklearn.neural_network import MLPRegressor
mlp = MLPRegressor(hidden_layer_sizes=(30,30,30))

该代码将运行而不会引发错误(但是肯定没有足够的数据来检查我们获得的模型是否运行良好)。

话虽这么说，我认为这不是为该问题选择功能的正确方法。

在这个问题中，我们处理形成时间序列的实数序列。我们可以选择的一项合理功能是自起点以来经过的秒数(或分钟\小时\天等)。由于此特定数据仅包含天，月和年(其他值始终为0)，因此我们可以选择从开始算起经过的天数作为特征。然后，您的数据框将如下所示:

      Daily_KWH_System  days_passed 
0          4136.900384    0   
1          3061.657187    1     
2          4099.614033    2  
3          3922.490275    3   
4          3957.128982    4  

您可以将 days_passed列中的值作为特征，并将 Daily_KWH_System中的值作为目标。您还可以添加一些指标功能。例如，如果您认为年底可能会影响目标，则可以添加指示符功能来指示月份是否为12月。

如果数据确实是每天的数据(至少在此示例中每天有一个数据点)，并且您想使用神经网络解决此问题，那么另一种合理的方法是将其作为时间序列来处理，并尝试拟合递归神经网络。网络。以下是几篇很棒的博客文章，描述了这种方法:

http://machinelearningmastery.com/time-series-prediction-lstm-recurrent-neural-networks-python-keras/

http://machinelearningmastery.com/time-series-forecasting-long-short-term-memory-network-python/