sklearn cross_val_score() returns NaN 值

Question

我正在尝试预测下一个客户对我工作的购买。我遵循了指南，但是当我尝试使用 cross_val_score() 函数时，它 returns NaN 值。Google Colab notebook screenshot

变量：

X_train 是一个数据帧
X_test 是一个数据帧
y_train 是一个列表
y_test 是一个列表

代码：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=50)
X_train = X_train.reset_index(drop=True)
X_train
X_test = X_test.reset_index(drop=True)

y_train = y_train.astype('float')
y_test = y_test.astype('float')

models = []
models.append(("LR",LogisticRegression()))
models.append(("NB",GaussianNB()))
models.append(("RF",RandomForestClassifier()))
models.append(("SVC",SVC()))
models.append(("Dtree",DecisionTreeClassifier()))
models.append(("XGB",xgb.XGBClassifier()))
models.append(("KNN",KNeighborsClassifier()))´

for name,model in models:
   kfold = KFold(n_splits=2, random_state=22)
   cv_result = cross_val_score(model,X_train,y_train, cv = kfold,scoring = "accuracy")
   print(name, cv_result)
>>
LR [nan nan]
NB [nan nan]
RF [nan nan]
SVC [nan nan]
Dtree [nan nan]
XGB [nan nan]
KNN [nan nan]

请帮帮我！

Answer 1

谢谢大家的回答。 Anna 的回答对我帮助很大！但我没有使用 X_train.values，而是为 Customers 分配了一个唯一 ID，然后删除了 Customers 列，它起作用了！

现在模型有这个输出:)

LR [0.73958333 0.74736842]
NB [0.60416667 0.71578947]
RF [0.80208333 0.82105263]
SVC [0.79166667 0.77894737]
Dtree [0.82291667 0.83157895]
XGB [0.85416667 0.85263158]
KNN [0.79166667 0.75789474]

Answer 2

cross_val_score 方法 returns NaN 当数据集中有空值时。

要么使用可以处理缺失值的模型，要么从数据集中删除所有空值，然后重试。

Answer 3

就我而言，我的 numpy 数组中有一个时间增量数据类型导致了错误

Answer 4

对我来说，使用 xtrain.values、ytrain.values 是因为交叉验证需要输入是数组而不是数据框。

Answer 5

我的情况有点不同。我使用 cross_validate 而不是 cross_val_score 和性能指标列表。在做一个 5 倍的 CV 时，我一直在为 RandomForestRegressor:

的所有性能指标获取 NaN

scorers = ['neg_mean_absolute_error', 'neg_root_mean_squared_error', 'r2', 'accuracy']

results = cross_validate(forest, X, y, cv=5, scoring=scorers, return_estimator=True)
results

原来，我愚蠢地包含了 'accuracy' 指标，它只用于分类。对于这种情况，sklearn 似乎只是 returns NaN，而不是抛出错误

Answer 6

我正面临这个问题。我是这样解决的；我将 X_train 和 y_train 转换为 DataFrame。

cross_val_score(model,X_train,y_train, cv = kfold,scoring = "accuracy")

Answer 7

我知道这已经得到解答，但对于仍然无法解决问题的其他人，这是给你的...

检查您的 y 数据类型是否为 int。如果 y 值的日期类型是 object

，它将 return nan

如何检查

y.dtype

如何更改数据类型

y = y.astype(int)

Answer 8

我自己解决了这个问题。我使用的是自定义指标（曲线下面积 Precision-Recall (AUCPR)）

def pr_auc_score(y, y_pred, **kwargs):
  classes = list(range(y_pred.shape[1]))
  if len(classes) == 2:
      precision, recall, _ = precision_recall_curve(y, y_pred[:,1],
                                                    **kwargs)
  else:
    Y = label_binarize(y, classes=classes)
    precision, recall, _ = precision_recall_curve(Y.ravel(), y_pred.ravel(),
                                                  **kwargs)
  return auc(recall, precision)

问题是，对于二元问题，y_pred只包含标签1的预测概率，所以y_pred的shape是(n_sample,)。当我尝试调用方法时：y_pred.shape[1]，它会引发错误。

解决方法：里面cross_validate，使用参数error_score="raise"。这将使您能够检测到错误。

sklearn cross_val_score() returns NaN 值

sklearn cross_val_score() returns NaN values

python

nan

prediction

cross-validation

sklearn-pandas

如何检查

如何更改数据类型