问题描述
df_train,df_test = train_test_split(input_table_1_df,test_size=0.25,stratify=input_table_1_df["Target_Variable_SX_FASCIA_1"])
###### SMOTE ######
# Create features table and target table
df_x = df_train.loc[ :,df_train.columns != "Target_Variable_SX_FASCIA_1"]
df_y = df_train.drop(["Target_Variable_SX_FASCIA_1"],axis=1)
# From pandas to numpy arrays
from imblearn.over_sampling import SMOTENC
df_X=df_x.to_numpy()
df_Y=df_y.to_numpy()
column_name_x=list(df_x.columns)
column_name_y=list(df_y.columns)
# resampling
smote_nc = SMOTENC(categorical_features=[0,1,2,3,4,5],random_state=0,sampling_strategy=.2)
X_resampled,Y_resampled = smote_nc.fit_resample(df_X,df_Y)
X_resampled_df= pd.DataFrame(X_resampled,columns=column_name_x)
Y_resampled_df= pd.DataFrame(Y_resampled,columns=column_name_y)
Training_set_Passivi_Fascia_1 = pd.concat([X_resampled_df,Y_resampled_df],axis=1)
我在行中收到以下错误:
X_resampled,df_Y)
我能理解这是变量类型的问题,但我不知道如何解决这个错误。 我已经尝试过:
- 替换所有缺失值
- 修复所有可能的变量类型错误说明
其他有用的信息: 数据集的前 6 个变量为字符串,其他为双精度或整数。
请问您是否需要更多信息。
提前致谢。
解决方法
如果你能打印 df_x 和 df_y 的头会很有帮助。
我可以从这行推断出什么
df_y = df_train.drop(["Target_Variable_SX_FASCIA_1"],axis=1)
您实际上是放弃目标变量并将预测变量保留在 df_y 中。 我的假设是“Target_Variable_SX_FASCIA_1”是目标变量的列名,所以它应该是
df_y = df_train["Target_Variable_SX_FASCIA_1"].values