功能選擇熊貓的值錯誤

Question

我想在熊貓上使用sklearn.feature_selection，但獲取值錯誤。 它在下面逐步解釋。

Code: 

from sklearn.feature_selection import SelectKBest 
from sklearn.feature_selection import chi2 

print (best_features_train_df.columns) 

Result: 

Index(['cont1', 'cont2', 'cont3', 'cont4', 'cont5', 'cont6', 'cont7', 'cont8', 
    'cont9', 'cont10', 'cont11', 'cont12', 'cont13', 'cont14', 'loss'], 
    dtype='object') 


Code: 

array = best_features_train_df.values 
X = array[:,0:14] #Selecting all the features from cont1 to cont14 
Y = array[:,14] #Selecting the 'loss' which is the class variable 
print (X) 
print (Y) 

Result: 

[[ 0.726 0.246 0.188 ..., 0.595 0.822 0.715] 
[ 0.331 0.737 0.593 ..., 0.366 0.611 0.304] 
[ 0.262 0.358 0.484 ..., 0.373 0.196 0.774] 
..., 
[ 0.484 0.786 0.792 ..., 0.443 0.339 0.504] 
[ 0.438 0.422 0.299 ..., 0.853 0.655 0.722] 
[ 0.907 0.621 0.441 ..., 0.946 0.811 0.721]] 

[ 2213.18 1283.6 3005.09 ..., 5762.64 1562.87 4751.72] 

Code: 

test = SelectKBest(score_func=chi2, k=4) 
fit = test.fit(X, Y) 

Error: 

ValueError: Unknown label type: (array([ 2213.18, 1283.6 , 3005.09, ..., 5762.64, 1562.87, 4751.72]),) 

當我檢查錯誤時，有人建議Y可以是一個2d列表，但它不是我要去哪裏的錯？請建議我。

Answer 1

問題在於SelectKBest中的'score_func'。

看來你的問題是一個迴歸問題。你不能使用chi2來回歸問題。您需要使用f_regression or mutual_info_regression.