from sklearn.ensemble import RandomForestClassifier
import numpy as np
from sklearn.model_selection import cross_validate
from sklearn.metrics import fbeta_score, make_scorer
import keras.backend as K
from sklearn.metrics import confusion_matrix
from sklearn.model_selection import train_test_split
from sklearn.base import BaseEstimator, ClassifierMixin
import pandas as pd
class CustomThreshold(BaseEstimator, ClassifierMixin):
""" Custom threshold wrapper for binary classification"""
def __init__(self, base, threshold=0.5):
self.base = base
self.threshold = threshold
def fit(self, *args, **kwargs):
self.base.fit(*args, **kwargs)
return self
def predict(self, X):
return (self.base.predict_proba(X)[:, 1] > self.threshold).astype(int)
dataset_clinical = np.genfromtxt("/content/drive/MyDrive/Colab Notebooks/BreastCancer-master/Data/stacked_metadata.csv",delimiter=",")
X = dataset_clinical[:,0:450]
Y = dataset_clinical[:,450]
X_train, X_test, y_train, y_test = train_test_split(X, Y, random_state=1)
rf = RandomForestClassifier(n_estimators=10).fit(X,Y)
clf = [CustomThreshold(rf, threshold) for threshold in [0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9]]
for model in clf:
print(confusion_matrix(y_test, model.predict(X_test)))
for model in clf:
print(confusion_matrix(Y, model.predict(X)))
*回溯顯示以下內容：回溯（最近一次呼叫最后一次）：
檔案“RF.py”，第 33 行，在 rf = RandomForestClassifier(n_estimators=10).fit(X,Y)
檔案“/usr/local/lib/python3.7/dist-packages/sklearn/ensemble/_forest.py”，第328行，擬合X, y, multi_output=True, accept_sparse="csc", dtype=DTYPE
檔案“/usr/local/lib/python3.7/dist-packages/sklearn/base.py”，第576行，在_validate_data X, y = check_X_y(X, y, **check_params)
檔案“/usr/local/lib/python3.7/dist-packages/sklearn/utils/validation.py”，第968行，check_X_y estimator=estimator，
檔案“/usr/local/lib/python3.7/dist-packages/sklearn/utils/validation.py”，第792行，在check_array_assert_all_finite(array, allow_nan=force_all_finite == "allow-nan")
檔案“/usr/local/lib/python3.7/dist-packages/sklearn/utils/validation.py”，第 116 行，在 _assert_all_finite type_err，msg_dtype 如果 msg_dtype 不是 None else X.dtype
ValueError: 輸入包含 NaN、無窮大或對于 dtype('float32') 來說太大的值。*
uj5u.com熱心網友回復：
這可能發生在 scikit 內部，這取決于您在做什么。我建議閱讀有關您正在使用的功能的檔案。您可能正在使用一個取決于您的矩陣是否為正定且不滿足該標準的矩陣。
嘗試通過以下方式洗掉您意外的值：
np.any(np.isnan(your_matrix))
np.all(np.isfinite(your_matrix))
uj5u.com熱心網友回復：
乍一看，我會說檢查您的資料集是否有缺失值、例外值等。
任何 ML 模型的很大一部分是資料探索和預處理。我為初學者找到了一個指南。熊貓：https : //towardsdatascience.com/data-visualization-exploration-using-pandas-only-beginner-a0a52eb723d5
轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/386342.html
上一篇：如何在Tensorflow2中獲取Conv2D內核值
下一篇：KerasLSTM維度值錯誤