Sklearn无法在随机林ClassFi中使用编码数据

Question

我是scikit新手。我正在尝试使用预处理。一个热编码器编码我的训练和测试数据。编码之后，我尝试使用这些数据训练随机森林分类器。但是当我在拟合的时候会出现错误。 （这里是错误跟踪）

    99         model.fit(X_train, y_train)
    100         preds = model.predict_proba(X_cv)[:, 1]
    101 

C:\Python27\lib\site-packages\sklearn\ensemble\forest.pyc in fit(self, X, y, sample_weight)
    288 
    289         # Precompute some data
--> 290         X, y = check_arrays(X, y, sparse_format="dense")
    291         if (getattr(X, "dtype", None) != DTYPE or
    292                 X.ndim != 2 or

C:\Python27\lib\site-packages\sklearn\utils\validation.pyc in check_arrays(*arrays, **options)
    200                     array = array.tocsc()
    201                 elif sparse_format == 'dense':
--> 202                     raise TypeError('A sparse matrix was passed, but dense '
    203                                     'data is required. Use X.toarray() to '
    204                                     'convert to a dense numpy array.')

TypeError: A sparse matrix was passed, but dense data is required. Use X.toarray() to convert to a dense numpy array.

我尝试使用X.toarray（）和X.todense（）将稀疏矩阵转换为密集矩阵 但是当我这样做的时候，我得到了下面的错误跟踪。在

^{pr2}$

谁能帮我修好这个吗。在

谢谢你

Answer 1

sklearn random forests不适用于稀疏输入，并且数据集形状太大且太稀疏，无法容纳密集版本的内存。在

您可能有一些具有大到多基数的分类特性（例如自由文本字段或唯一的条目id）。试着放弃那些功能，重新开始。在