我正在尝试运行随机森林分类器，在 test_train_split 之后，当我运行它时会生成一个错误，即样本数与样本不匹配。我有 960 行和 26 列。
X=pd.read_csv('csv',delimiter=',',sep=",",quotechar='"',header=None,quoting=2,error_bad_lines=False,na_values="")
X=X.drop([0,2,4,5],axis=1)
X= X.fillna('')
X= X[0:961].astype("int")
features= X.columns
Y= X[27] #my labels
Y= Y[0:961].astype("int") # Converting datatype string to int
Y=Y[np.isfinite(X[27])] # Remove NAN values from my label Y
x_train,y_train,x_test,y_test=train_test_split(X,Y,test_size=0.3)
clf = RandomForestClassifier(n_estimators=50,max_depth=3)
clf.fit(x_train,y_train)
您的代码有两个问题。
第一个是，当您从标签 Y 中删除 NaN 值时：
Y=Y[np.isfinite(X[27])] # Remove NAN values from my label Y
你不会对你的特征 X 做同样的事情；因此，您的特征 X 和标签 Y 最终会得到不同数量的样本，并train_test_split给出预期错误。
由于您已经从 Y 中删除了 NaN 值，因此在 X 中保留相应的行是没有意义的；所以，你应该添加
X=X[np.isfinite(X[27])] # remove rows with NaN labels
第二个问题是你的train_test_split作业是错误的（检查文档）；它应该是
x_train, x_test, y_train, y_test = train_test_split(X,Y,test_size=0.3)
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句