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 np

import pandas as pd

import matplotlib.pyplot as plt

from sklearn.metrics import mean_squared_error

from sklearn.model_selection import train_test_split

from sklearn.ensemble import RandomForestClassifier

from sklearn.feature_selection import SelectFromModel

from sklearn.metrics import accuracy_score

df = 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 1

Sheet 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 2

allvar_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