pandas - sklearn.ensemble.GradientBoostingRegressor 是否支持稀疏输入样本?
问题描述
我正在使用sklearn.ensemble.GradientBoostingRegressor
有时缺少某些值的数据。我不能轻易地估算这些数据,因为它们有很大的差异,而且估计对它们非常敏感。它们也几乎从不为 0。
输入样本。在内部,它将被转换为 dtype=np.float32 并且如果将稀疏矩阵提供给稀疏 csr_matrix。
这让我认为 GradientBoostingRegressor 可以处理稀疏的输入数据。
但是在内部check_array
它使用隐式调用force_all_finite=True
(默认值),因此如果我输入csr_matrix
带有NaN
值的值,我会收到以下错误:
ValueError:输入包含 NaN、无穷大或对于 dtype('float32') 来说太大的值
GradientBoostingRegressor 实际上不支持稀疏数据吗?
更新:
我很幸运,因为我没有任何有意义的零。我的调用代码现在如下所示:
predictors['foobar'] = predictors['foobar'].fillna(0) # for columns that contain NaNs
predictor_matrix = scipy.sparse.csr_matrix(
predictors.values.astype(np.float)
)
predictor_matrix.eliminate_zeros()
model.fit(predictor_matrix, regressands)
这避免了上述异常。可惜没有eliminate_nans()
办法。(当我打印一个带有NaN
s 的稀疏矩阵时,它会明确列出它们,所以备用性必须是不包含NaN
s 的东西。)
但是预测性能没有(明显)改变。
解决方案
也许您可以尝试使用 LightGBM。这是 Kaggle 中关于它如何处理缺失值的讨论:
https://www.kaggle.com/c/home-credit-default-risk/discussion/57918
祝你好运
推荐阅读
- curl - Lua cURL如何获得json响应?
- python - 从 pdffonts 的命令输出中仅获取第三和第六列
- javascript - 从后面的代码中分配 Dropdownlist 选定值会引发错误
- git - 获取当前提交的新标签,而不获取更新的提交
- sql - 如果 count 为 0,则跳过数据库记录
- c# - 如何在 C# 中使表单可见
- android-annotations - AndroidAnnotions:在发布 buildType 找不到符号
- java - 如何使用 XSLT 根据 XML 文件中的值计数更改属性值
- android - 如何在 Android Studio 中更改 XML 文件中的命名空间前缀颜色
- java - 如何在 Vaadin 中使用 Java 设置 ListBox 的宽度?