以pandas DataFrame开始,d_train(774行):

python - scikit-learn中岭回归的系数路径-LMLPHP

想法是按照示例here来研究Ridge系数路径。

在该示例中,以下是变量类型:

X, y, w = make_regression(n_samples=10, n_features=10, coef=True,
                          random_state=1, bias=3.5)
print X.shape, type(X), y.shape, type(y), w.shape, type(w)

>> (10, 10) <type 'numpy.ndarray'> (10,) <type 'numpy.ndarray'> (10,) <type'numpy.ndarray'>


为了避免this stackoverflow discussion中提到的问题,我将所有内容都转换为numpy数组:

predictors = ['p1', 'p2', 'p3', 'p4']
target = ['target_bins']
X = d_train[predictors].as_matrix()
### X = np.transpose(d_train[predictors].as_matrix())
y = d_train['target_bins'].as_matrix()
w = numpy.full((774,), 3, dtype=float)
print X.shape, type(X), y.shape, type(y), w.shape, type(w)
>> (774, 4) <type 'numpy.ndarray'> y_shape: (774,) <type 'numpy.ndarray'>     w_shape: (774,) <type 'numpy.ndarray'>


然后我就跑了
(a)示例中的确切代码,
(b)将参数fit_intercept = True, normalize = True添加到ridge调用(我的数据未缩放)
得到相同的错误信息:

my_ridge = Ridge()
coefs = []
errors = []
alphas = np.logspace(-6, 6, 200)

for a in alphas:
    my_ridge.set_params(alpha=a, fit_intercept = True, normalize = True)
    my_ridge.fit(X, y)
    coefs.append(my_ridge.coef_)
    errors.append(mean_squared_error(my_ridge.coef_, w))
>> ValueError: Found input variables with inconsistent numbers of samples: [4, 774]


正如代码的注释部分指出的那样,我也尝试了“相同”代码,但带有转置的X矩阵。在创建X matrix之前,我还尝试缩放数据。得到了相同的错误消息。

最后,我使用“ RidgeClassifier”做了同​​样的事情,并且得到了不同的错误消息。

>> Found input variables with inconsistent numbers of samples: [1, 774]


问题:我不知道这是怎么回事-您能帮忙吗?

在Canopy 1.7.4.3348(64位)上使用python 2.7和scikit-learn 18.01-3和pandas 0.19.2-2

谢谢。

最佳答案

您需要具有与特征数量一样多的权重w(因为您学习了每个特征的单个权重),但是在您的代码中,权重向量的维数为774(这是训练数据集中的行数) ,这就是为什么它不起作用。将代码修改为以下代码(改为具有4个权重),一切将正常进行:

w = np.full((4,), 3, dtype=float) # number of features = 4, namely p1, p2, p3, p4
print X.shape, type(X), y.shape, type(y), w.shape, type(w)
#(774L, 4L) <type 'numpy.ndarray'> (774L,) <type 'numpy.ndarray'> (4L,) <type 'numpy.ndarray'>


现在,您可以运行http://scikit-learn.org/stable/auto_examples/linear_model/plot_ridge_coeffs.html#sphx-glr-auto-examples-linear-model-plot-ridge-coeffs-py中的其余代码,以使用grid-search来查看权重和错误与正则化参数alpha的关系,并获得下图

python - scikit-learn中岭回归的系数路径-LMLPHP

08-19 20:46