随机森林误差（样本数量不一致的输入变量）

Question

在阅读了这么多带有“样本数量不一致”错误的示例后，我仍然看不出我的代码有什么问题。在 Excel 文件中，工作表 1 包含数据。表 2 包含变量的候选列表。我将工作表 2 中的变量保存到一个数组中。并将其提供给随机森林模型，以评估其对表 1 中参数的影响。但我收到“发现样本数量不一致的输入变量：[54, 2016]”54 是工作表 2 中的变量数。 2016 是工作表 1 中的数据行数。我想看看这 54 个变量如何影响表 1 中的“目标”变量。我应该如何操作我的数据来完成这项工作？提前谢谢了。import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom sklearn.metrics import mean_squared_errorfrom sklearn.model_selection import train_test_splitfrom sklearn.ensemble import RandomForestClassifierfrom sklearn.feature_selection import SelectFromModelfrom sklearn.metrics import accuracy_scoredf = pd.read_excel(r'C:\Users\ngks\Desktop\TP Course\Project Module\ProjectDataSetrev2.xlsx',sheet_name=0)df2 = pd.read_excel(r'C:\Users\ngks\Desktop\TP Course\Project Module\ProjectDataSetrev2.xlsx',sheet_name=1)df['DateTime']=pd.to_datetime(df['Time Stamp'], format='%Y-%m-%d %H:%M:%S')df.set_index(df['DateTime'], inplace=True)print(len(df2.columns))allvar = list()for each_var in df2.columns:    allvar.append(each_var)allvar = np.array(allvar)print(allvar)target = df['(CUP) Chiller Optimization Plant Efficiency [kW/RT]']target=target.values.reshape(len(target),1)allvar_train,allvar_test,target_train,target_test= train_test_split(allvar,target, random_state=0, test_size=0.6)clf = RandomForestClassifier(n_estimators=10000, random_state=0, n_jobs=-1)clf.fit(allvar_train, target_train)for feature in zip(feat_labels, clf.feature_importances_):    print(feature)Sheet 1（另存为 df）看起来像这样 Sheet 1Sheet 2（另存为 df2）看起来像这个 Sheet2错误日志如图所示 错误日志错误日志 2：未知标签类型：“连续”错误日志 2allvar_train目标列车

Answer 1

问题在于“train_test_spilt”，您只传递特征列名称而不是数据。像这样使用列列表从 DataFrame 中获取数据。

allvar_train,allvar_test,target_train,target_test= train_test_split(df[allvar],target, random_state=0, test_size=0.6)

您不一定需要将 'allvar' 和 'target' 转换为 numpy 数组，它可以直接在 'train_test_split' 中使用。

注意：此问题与随机森林无关