我是 Jupyter 的新手，不知道我在做什么

编程问答 2022-06-02

问题描述

我尝试使用 sklearn 并遇到错误，但我不知道出了什么问题。 这是我的代码：

import pandas as pdd
from sklearn.tree import DecisionTreeClassifier
df = pd.read_csv('vgsales.csv')
X = df.drop(columns=['Name','Platform','Publisher','Genre'])#input
y = df['Rank']#output
model = DecisionTreeClassifier()
model.fit(X,y)
predictions = model.predict([16598],[])
predictions

这是我的错误：

ValueError                                Traceback (most recent call last)
<ipython-input-28-152586bc1b23> in <module>()
      8 df = df.reset_index()
      9 model = DecisionTreeClassifier()
---> 10 model.fit(X,y)
     11 predictions = model.predict([16598],[])
     12 predictions

/home/frankie/anaconda2/lib/python2.7/site-packages/sklearn/tree/tree.pyc in fit(self,X,y,sample_weight,check_input,X_idx_sorted)
    788             sample_weight=sample_weight,789             check_input=check_input,--> 790             X_idx_sorted=X_idx_sorted)
    791         return self
    792 

/home/frankie/anaconda2/lib/python2.7/site-packages/sklearn/tree/tree.pyc in fit(self,X_idx_sorted)
    114         random_state = check_random_state(self.random_state)
    115         if check_input:
--> 116             X = check_array(X,dtype=DTYPE,accept_sparse="csc")
    117             y = check_array(y,ensure_2d=False,dtype=None)
    118             if issparse(X):

/home/frankie/anaconda2/lib/python2.7/site-packages/sklearn/utils/validation.pyc in 
check_array(array,accept_sparse,dtype,order,copy,force_all_finite,ensure_2d,allow_nd,ensure_min_samples,ensure_min_features,warn_on_dtype,estimator)
    451                              % (array.ndim,estimator_name))
    452         if force_all_finite:
--> 453             _assert_all_finite(array)
    454 
    455     shape_repr = _shape_repr(array.shape)

/home/frankie/anaconda2/lib/python2.7/site-packages/sklearn/utils/validation.pyc in 
_assert_all_finite(X)
     42             and not np.isfinite(X).all()):
     43         raise ValueError("Input contains NaN,infinity"
---> 44                          " or a value too large for %r." % X.dtype)
     45 
     46 

ValueError: Input contains NaN,infinity or a value too large for dtype('float32').

任何帮助将不胜感激，我正在输入这些东西，因为 stackoverflow 说我需要更多文本

解决方法

代码中的错误

当您为 train 定义 X 和 Y 时，矩阵 X 将包含 de 列 Rank。 你也应该放弃它。否则，您的决策树将是“愚蠢的”，因为您将输出作为输入。这是一个巨大的错误。解决：

X = df.drop(columns=['Name','Platform','Publisher','Genre','Rank'])#input

您的预测有另一个错误。如果你想预测哪个Rank会是一个输入，你必须给出一个样本或与X格式相同的样本。例如，如果你想对你所有的X进行预测：

predictions = model.predict(X)

您将获得每个 X 行的预测。如果你想对一行进行具体的预测，你必须定义它。

我建议您使用 sklearn.model_selection.train_test_split。 Here 更多信息。

检查导入熊猫（您导入为 pdd）：

import pandas as pd

解释你问的错误

正如您在错误中看到的，第一个错误发生在第 10 行：

---> 10 model.fit(X,y)

有了这个信息，并结合最后一行的错误：

ValueError: Input contains NaN,infinity or a value too large for dtype('float32').

我们知道问题出在函数拟合上。该函数正在抱怨，因为在您的 dataFrame 中有空值 (NaN)、无穷大值或太大的值。

检查

要解决这个问题，首先我建议您检查是否有 NaN 值：

df.isnull().any().any()

如果数据帧中有 NaN 值，则此命令返回 True，否则返回 False。点击 here 了解更多信息。

可能你会得到一个 True 值，因为你有 NaN 值。

解决

很明显，我们必须删除或更改 NaN 值，因为函数 fit 不适用于此值。

删除：如果您只有几个 NaN 值，我强烈建议您删除所有这些行：

df.dropna()

更改：另一种解决方案是将 de NaN 值更改为 0。这也将解决此问题，但您必须注意，您正在通过此步骤修改 dataFrame。

df.fillna()

还有其他选项可以替代 NaN 值，例如，对于列的平均值，重复次数最多的...

最终代码应该是这样的：

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
df = pd.read_csv('vgsales.csv')
X = df.drop(columns=['Name','Rank'])#input
y = df['Rank']#output
model = DecisionTreeClassifier()
model.fit(X,y)
predictions = model.predict(X)
predictions

希望这能帮助您解决问题！ :)

jupyter-notebookpythonsklearn-pandas