时间戳

首页 > 解决方案 > 无法使用 XGBoost 进行预测

python - 无法使用 XGBoost 进行预测

问题描述

我有一个使用 XGBoost 来预测二进制分类的程序。我已经完成了大部分代码，但是在我想使用用户定义的变量来预测该类的最后，我遇到了问题。在分享代码之前，变量 'clf' 是我在执行 GridSearchCV 后选择的最佳分类器：

def prob1(LIMIT_BAL, SEX, EDUCATION, MARRIAGE, AGE, PAY_0, PAY_2, PAY_3, PAY_4, PAY_5, PAY_6, BILL_AMT1, BILL_AMT2, BILL_AMT3,
 BILL_AMT4, BILL_AMT5, BILL_AMT6, PAY_AMT1, PAY_AMT2, PAY_AMT3, PAY_AMT4, PAY_AMT5, PAY_AMT6):
    #1) Store user entered information into a series, convert to dataframe, then transpose so that it is all in 1 row just like in training set.

    lst = [LIMIT_BAL, SEX, EDUCATION, MARRIAGE, AGE, PAY_0, PAY_2, PAY_3, PAY_4, PAY_5, PAY_6, BILL_AMT1, BILL_AMT2, BILL_AMT3,
 BILL_AMT4, BILL_AMT5, BILL_AMT6, PAY_AMT1, PAY_AMT2, PAY_AMT3, PAY_AMT4, PAY_AMT5, PAY_AMT6]

    ud_df = pd.Series(lst)
    ud_df = ud_df.to_frame()
    ud_df = ud_df.T
    #2) Perform the same normalization and factorization of the values as done when loading the data in above.
    c = [1,2,3] # index of categorical data columns
    r = list(range(0,23)) 
    r = [x for x in r if x not in c] # get list of all other columns
    df_cat = ud_df.iloc[:, [2,3,4]].copy()
    df_con = ud_df.iloc[:, r].copy()

    # factorize categorical data
    for c in df_cat:
         df_cat[c] = pd.factorize(df_cat[c])[0]

    # scale continuous data
    scaler = preprocessing.MinMaxScaler()
    df_scaled = scaler.fit_transform(df_con)
    df_scaled = pd.DataFrame(df_scaled, columns=df_con.columns)

    df_final = pd.concat([df_cat, df_scaled], axis=1)

    #reorder columns back to original order
    cols = df.columns
    df_final = df_final[cols]

    #Predict
    prediction = clf.predict(df_final)

    #Predict Probability
    probability_pred = clf.predict_probab(df_final)

    return(prediction, probability_pred)

因此，定义内部发生的事情是，用户给出了这些变量，并且对连续变量进行了归一化，并且通过因式分解处理了分类变量。

当我运行此代码时，我收到此错误：

prob1(50000,1, 1, 1, 37,0,0,0,0,0,0,64400,57069,57608,19394,19619,20024,2500,1815,657,1000,1000,800)

错误代码：df_con = ud_df.iloc[:, r].copy()

IndexError: positional indexers are out-of-bounds

任何帮助都会很棒！

这是一个没有任何争论的行的示例：[50000,1,1,2,37,0,0,0,0,0,0,64400,57069,57608,19394,19619,20024,2500 ,1815,657,1000,1000,800]

Edit1：原始代码中的固定界限。我收到此错误，突出显示 prob1(.....) 列：

KeyError: "Index(['ID', 'LIMIT_BAL', 'SEX', 'EDUCATION', 'MARRIAGE', 'AGE', 'PAY_0',\n       'PAY_2', 'PAY_3', 'PAY_4', 'PAY_5', 'PAY_6', 'BILL_AMT1', 'BILL_AMT2',\n       'BILL_AMT3', 'BILL_AMT4', 'BILL_AMT5', 'BILL_AMT6', 'PAY_AMT1',\n       'PAY_AMT2', 'PAY_AMT3', 'PAY_AMT4', 'PAY_AMT5', 'PAY_AMT6'],\n      dtype='object') not in index"

标签： pythonpandasmachine-learningxgboost

解决方案

您的列表变量有 23 个元素。

  • r =list(range(0,24))有 24 个元素。r = {0,1..23}

当您使用基于索引iloc查找元素时，由于它只有 23 个元素，因此您无法找到索引为 23 的元素，如错误代码所述，它超出了范围。udf

推荐阅读