Scikit-neural_network与输入数据

我试图培养使用sknn一些神经网络的麻烦。我通过熊猫数据框预处理了我的数据。预处理工作正常，当我在标准sklearn分类使用配合（x_train，y_train），但它抛出属性错误Scikit-neural_network与输入数据

anaconda/envs/py3k/lib/python3.4/site-packages/pandas/core/generic.py", line 2360, in __getattr__ 
(type(self).__name__, name)) 
AttributeError: 'DataFrame' object has no attribute 'todense'

或此错误：

/anaconda/envs/py3k/lib/python3.4/site-packages/pandas/core/indexing.py", line 1750, in maybe_convert_indices 
raise IndexError("indices are out-of-bounds") 

IndexError: indices are out-of-bounds

看似随意（不同的运行，没有改变任何东西）。

相关的代码看起来是这样的：

  x_train, x_test, y_train, y_test = cross_validation.train_test_split(X_data, Y_data, test_size=1/kfold) 
      regr = linear_model.LinearRegression(copy_X=True,fit_intercept=True) 
      abr = AdaBoostRegressor(base_estimator=tree.DecisionTreeRegressor(max_depth=max_depth_gridsearch_values[max_depth_counter]), n_estimators = n_estimators_gridsearch_values[n_estimators_counter]) 
      nn=nn_simple_regressor 


      x_train_numeric = x_train.iloc[:,2:] 
      x_test_numeric = x_test.iloc[:,2:] 

      regr.fit(x_train_numeric, y_train) 
      abr.fit(x_train_numeric, y_train) 
      nn.fit(x_train_numeric,y_train)

而且回归被定义为

nn_simple_regressor = Regressor(
layers=[ 
    Layer("Rectifier", units=100), 
    Layer("Linear")], 
learning_rate=0.02, 
n_iter=10)

我不明白为什么发生这种情况，并且似乎是sknn的支持是相当小。我怀疑这个问题实际上是与预处理，但我不明白为什么它适用于前两种分类，但不是我的NN。有任何想法吗？

来源

2016-02-10 carefullynamed

由于2016年2月的，Sknn不支持大熊猫。为了修复这个问题说问题，最好的办法是将数据帧转换为numpy的阵列。在熊猫使用.as_martix（）函数是这样做的最简单的方法。

来源

2016-02-15 23:58:36 carefullynamed

Scikit-neural_network与输入数据

回答

相关问题