質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.83%

  • Python

    6405questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • 機械学習

    558questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

相関の高い説明変数のうち目的変数と相関の低い方を除く方法

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 101

nouken

score 9

機械学習で6577 rows × 3507 columnsのデータセットを扱っており、特徴量が3506(残り一つは目的変数です)と多いので、相関の高い二つの特徴量のうち目的変数との相関の低いほうを除きたいのですが、以下のエラーが解消できません。ちなみに以下のコードのdataが6577 rows × 3507 columnsのデータセットで、データフレームの一番左のコラムが目的変数(0か1の二値)です。どうぞよろしくお願いいたします。

def correlation(dataset, threshold):
    col_corr = set() # Set of all the names of deleted columns
    corr_matrix = dataset.corr()
    for i in range(len(corr_matrix.columns)):
        for j in range(i):
            if corr_matrix.iloc[i, j] >= threshold:
                x=np.array(dataset.iloc[:, i], data['Target'])
                y=np.array(dataset.iloc[:, j], data['Target'])
                if np.corrcoef(x, rowvar=False) > np.corrcoef(y, rowvar=False):

                    colname = corr_matrix.columns[j] # getting the name of column
                    col_corr.add(colname)
                    if colname in dataset.columns:
                        del dataset[colname]
                else:
                    colname = corr_matrix.columns[i]
                    col_corr.add(colname)
                    if colname in dataset.columns:
                        del dataset[colname] # deleting the column from the dataset


data_corr=correlation(data.iloc[:, 1:], 0.7)



IndexError                                Traceback (most recent call last)
<ipython-input-31-a7760ef4bd26> in <module>()
----> 1 data_corr=correlation(data.iloc[:, 1:], 0.7)

<ipython-input-30-66af95ffe0ab> in correlation(dataset, threshold)
      5         for j in range(i):
      6             if corr_matrix.iloc[i, j] >= threshold:
----> 7                 x=np.array(dataset.iloc[:, i], data['Target'])
      8                 y=np.array(dataset.iloc[:, j], data['Target'])
      9                 if np.corrcoef(x, rowvar=False) > np.corrcoef(y, rowvar=False):

~\Miniconda3\lib\site-packages\pandas\core\indexing.py in __getitem__(self, key)
   1365             except (KeyError, IndexError):
   1366                 pass
-> 1367             return self._getitem_tuple(key)
   1368         else:
   1369             # we by definition only have the 0th axis

~\Miniconda3\lib\site-packages\pandas\core\indexing.py in _getitem_tuple(self, tup)
   1735     def _getitem_tuple(self, tup):
   1736 
-> 1737         self._has_valid_tuple(tup)
   1738         try:
   1739             return self._getitem_lowerdim(tup)

~\Miniconda3\lib\site-packages\pandas\core\indexing.py in _has_valid_tuple(self, key)
    202             if i >= self.obj.ndim:
    203                 raise IndexingError('Too many indexers')
--> 204             if not self._has_valid_type(k, i):
    205                 raise ValueError("Location based indexing can only have "
    206                                  "[{types}] types"

~\Miniconda3\lib\site-packages\pandas\core\indexing.py in _has_valid_type(self, key, axis)
   1670             return True
   1671         elif is_integer(key):
-> 1672             return self._is_valid_integer(key, axis)
   1673         elif is_list_like_indexer(key):
   1674             return self._is_valid_list_like(key, axis)

~\Miniconda3\lib\site-packages\pandas\core\indexing.py in _is_valid_integer(self, key, axis)
   1711         l = len(ax)
   1712         if key >= l or key < -l:
-> 1713             raise IndexError("single positional indexer is out-of-bounds")
   1714         return True
   1715 

IndexError: single positional indexer is out-of-bounds
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • coco_bauer

    2018/06/18 19:41

    __getitem__を呼び出している部分がTracebackに見当たりません。 途中で途切れたTracebackは無意味です。 また、質問は「エラーを解消する方法が判りません!」というものではないのですか?「相関の低い方を除く方法」が判らないのと、プログラムのバグが判らないのとでは、問題の質が全く異なります。 本当は『何が』判らないのですか???

    キャンセル

  • nouken

    2018/06/18 19:50

    回答ありがとうございます。こちらはnotebookから直接コピペしておりますので間違いはないのですが。。。まったくその通りです。相関の低い方を除こうとするこのコードのバグの解消方法がわかりません。インデックスの範囲はあっているはずなのですが。。。

    キャンセル

回答 1

checkベストアンサー

+1

delしているのがまずいのでは。

>>> import pandas as pd
>>> import numpy as np
>>> df = pd.DataFrame(np.array([[0,1,2],[3,4,5]]))
>>> df.iloc[:,2]
0    2
1    5
Name: 2, dtype: int64
>>> del df[0]
>>> df.iloc[:,2]
IndexError: single positional indexer is out-of-bounds

こういうのは、仕様としか言いようがありませんねぇ。


特徴選択をやりたいのなら、sklearnに色々あるので、そっちを使った方が苦労しないで済むでしょう。

API Reference — scikit-learn 0.19.1 documentation

SelectKBestで、f_regressionあたりをscore_funcにすれば良いのかな。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/06/18 20:56

    あ、気づきませんでした。毎度ありがとうございます!参考にさせていただきます。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 90.83%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

  • 解決済

    Cで行列のランク計算のプログラムを作っています。

    前提・実現したいこと Cで行列のランク計算をするプログラムを作っています。 プログラムの流れは、 1.行列の行数(lnum)、列数(cnum)を入力 2.行列の各成分を

  • 解決済

    python で条件抽出

    独学で python や pandas を使ってロト7を予想しています。 当選番号と予想番号の答え合わせをしたいと思っています その当選と予想の的中する条件抽出で悩んでおります

  • 解決済

    Python3.6においてpandas_datareaderをインポートする行でModuleNotF...

    前提・実現したいこと ここに質問したいことを詳細に書いてください (例)PHP(CakePHP)で●●なシステムを作っています。 ■■な機能を実装中に以下のエラーメッセージが

  • 解決済

    pandasによるデータ操作

    pandasでのデータ抽出に関してわからないことがあります。 例えば以下のようなpandasのDataframeとnumpy配列があったとします。 a = pd.DataFra

  • 受付中

    大量のCSVデータの処理方法

    100個ほどCSVファイルがあり、 それぞれのファイルで、30×30のセルに数値が入力されています。 この100個のCSVファイルに対して、同じセル座標について最大値最小値を計算し

  • 受付中

    iosでjsonをpostしたいのですが..

    iosからjsonをdjangoのローカルサーバーにpostしたいのですがrequest.POSTするとkeyerrorになり取得できません。 ios側でどうすればkeyを付加でき

  • 解決済

    Pythonのpipでのパッケージインストール

    前提・実現したいこと Pythonを使ってBitcoinのBotを作ろうと思っていましたのでAPIを取得しようと思っていました。 発生している問題・エラーメッセージ Zaifと

  • 解決済

    scikit-learnで重回帰モデルを製作中、エラーが発生しました。

    初心者です。 pythonのpandasとscikit-learnで重回帰モデルを作っています。 csvファイルから読み込んだデータをdataframeに入れて、 それをsciki

同じタグがついた質問を見る

  • Python

    6405questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • 機械学習

    558questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。