TypeError: fit()接受sklearn和sklearn_pandas的3个参数(给定2个)

Question

我试图使用sklearn_pandas模块来扩展我在pandas中所做的工作，并尝试使用机器学习，但我正在努力解决一个错误，我真的不知道如何修复。

我正在Kaggle上处理以下数据集。

它本质上是一个无头表(1000行，40个特征)，具有浮点值。

import pandas as pdfrom sklearn import neighbors
from sklearn_pandas import DataFrameMapper, cross_val_score
path_train ="../kaggle/scikitlearn/train.csv"
path_labels ="../kaggle/scikitlearn/trainLabels.csv"
path_test = "../kaggle/scikitlearn/test.csv"
train = pd.read_csv(path_train, header=None)
labels = pd.read_csv(path_labels, header=None)
test = pd.read_csv(path_test, header=None)
mapper_train = DataFrameMapper([(list(train.columns),neighbors.KNeighborsClassifier(n_neighbors=3))])
mapper_train

输出:

DataFrameMapper(features=[([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39], KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',
       n_neighbors=3, p=2, weights='uniform'))])

到目前为止一切顺利。然后我试试fit

mapper_train.fit_transform(train, labels)

输出:

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-6-e3897d6db1b5> in <module>()
----> 1 mapper_train.fit_transform(train, labels)
//anaconda/lib/python2.7/site-packages/sklearn/base.pyc in fit_transform(self, X, y,     **fit_params)
    409         else:
    410             # fit method of arity 2 (supervised transformation)
--> 411             return self.fit(X, y, **fit_params).transform(X)
    412 
    413 
//anaconda/lib/python2.7/site-packages/sklearn_pandas/__init__.pyc in fit(self, X, y)
    116         for columns, transformer in self.features:
    117             if transformer is not None:
--> 118                 transformer.fit(self._get_col_subset(X, columns))
    119         return self
    120 
TypeError: fit() takes exactly 3 arguments (2 given)`

我做错了什么?虽然本例中的数据都是相同的，但我计划为分类、标称和浮点特征的混合创建一个工作流，sklearn_pandas似乎是一个逻辑上的合适选择。

Answer 1

由于sklearn_pandas目前不支持接受带标签的y向量的估计器，您将不得不使用它仅将所有特征转换为Numpy矩阵，然后在单独的步骤中使用KNeighborsClassifier。

UPDATE 2015-08-10 - sklearn_pandas DataFrameMapper不打算用作转换+模型拟合的管道，而只是用于选择性地转换列。如果你想转换然后估计一个模型，使用一个普通的sklearn Pipeline和数据帧映射器作为第一步。