Python 在sklearn.linear和sklearn.ensemble中使用某些sklearn模型但不使用其他模型的输入

我有上面这样的值数组。我正在用_train_weather.values X和_train_train traffic['walkin_in']进行训练。我正在用_test_weather.values进行预测

数据帧如上图所示

我可以使用这些输入在sklearn中使用某些模型进行预测，例如MLP、RANSAC、Lasso、Ridge、Lassolas、RandomForestRegregator等，但有些模型不起作用

以下是不起作用的列表：

校董 阿达布斯特雷瑟 装袋回归器 拉尔斯 梯度增强回归器 回归 贝叶斯海脊 HuberRegressor

同样，ElasticNet起作用，但ElasticNetCV不起作用，这也适用于Lasso，而LassoCV不起作用

它们提供了以下错误：

_train_weather.values :  [[ 0.61818182  0.81645199  0.6679803  ...,  0.          0.          1.        ]
 [ 0.61664841  0.80064403  0.65073892 ...,  0.          0.          0.        ]
 [ 0.58291347  0.80679157  0.62783251 ...,  0.          0.          0.        ]
 ..., 
 [ 0.65914567  0.52019906  0.59975369 ...,  1.          0.          0.        ]
 [ 0.56232202  0.37558548  0.47980296 ...,  0.          1.          0.        ]
 [ 0.51829135  0.35626464  0.42832512 ...,  0.          0.          1.              ]]


_train_traffic['walkin_in'].values :  [[ 0.  0.  0. ...,  0.  0.  0.]
[ 0.  0.  0. ...,  0.  0.  0.]
[ 0.  0.  0. ...,  0.  0.  0.]
..., 
[ 0.  0.  0. ...,  0.  0.  0.]
[ 0.  0.  0. ...,  0.  0.  0.]
[ 0.  0.  0. ...,  0.  0.  0.]]


_test_weather.values :  [[ 0.3388828   0.50497658  0.341133   ...,  0.          0.          0.        ]
[ 0.27426068  0.4809719   0.30591133 ...,  0.          0.          0.        ]
[ 0.28368018  0.42681499  0.26600985 ...,  0.          0.          0.        ]
..., 
[ 0.732092    0.71516393  0.69482759 ...,  1.          0.          0.        ]
[ 0.74348302  0.70257611  0.6817734  ...,  0.          1.          0.        ]
[ 0.75465498  0.69642857  0.70862069 ...,  0.          0.          1.        ]]

---

有人能解释一下，为什么只有某些模型提供上述错误，而其他模型工作完全正常？

您的依赖变量是多变量的，并非所有模型都能够对这些进行建模。如果你阅读了RANSAC、Lasso、Ridge、Lassolas、RandomforestRegressionor等的文档，那么你会在fit函数下看到类似的内容

Traceback (most recent call last):
File "run_seq_predictor.py", line 519, in <module>
run(args.conf, train, test_model, test_MLP_reg, offset, verbose, weeks,   daily, write_to_isio, filter_abnormal, threshold)
File "run_seq_predictor.py", line 420, in run
clf.fit(_train_weather.values, _train_traffic['walkin_in'].values)
File "/usr/local/lib/python2.7/site-packages/sklearn/ensemble/bagging.py", line 248, in fit
return self._fit(X, y, self.max_samples, sample_weight=sample_weight)
File "/usr/local/lib/python2.7/site-packages/sklearn/ensemble/bagging.py", line 284, in _fit
X, y = check_X_y(X, y, ['csr', 'csc'])
File "/usr/local/lib/python2.7/site-packages/sklearn/utils/validation.py", line 526, in check_X_y
y = column_or_1d(y, warn=True)
File "/usr/local/lib/python2.7/site-packages/sklearn/utils/validation.py", line 562, in column_or_1d
raise ValueError("bad input shape {0}".format(shape))
ValueError: bad input shape (253, 56)

其中，对于您列出的其他对象，例如GradientBoostingRegressor

---

这就是为什么你会出错。如果您提供更多有关依亲变量的详细信息，我很乐意编辑答案。您的数据看起来可能是一个热编码的…

您能发布完整的代码和数据吗，这样我们就可以在我们的机器上进行测试了。另外，对于上面列出的每个非工作估计器，您是否得到相同的堆栈跟踪错误？

y : array-like, shape = [n_samples] or [n_samples, n_targets]

y : array-like, shape = [n_samples]