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

89.98%

機械学習ValueErrorでURL文字列を読み込めない。

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 218

Rondon7251

score 33

機械学習で以下のコードとCSVファイルで以下のようなエラーが起きURLの文字列を読み込めません。
どうしたらURLの文字列を読み込んで学習することができますでしょうか。

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

# 読み込み --- (*1)
analysisresults_data = pd.read_csv("analysis_resultsA.csv", encoding="utf-8")

# ラベルと入力データに分離する --- (*2)
y = analysisresults_data.loc[:,"Result"]
x = analysisresults_data.loc[:,["Url"]]

# 学習用とテスト用に分離する --- (*3)
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.3, train_size = 0.7, shuffle = True)

# 学習する --- (*4)
clf = SVC()
clf.fit(x_train, y_train)

# 評価する --- (*5)
y_pred = clf.predict(x_test)
print("正解率 = " , accuracy_score(y_test, y_pred))

CSVファイル
イメージ説明

以下エラー内容
Traceback (most recent call last):
File "analysis_results.py", line 18, in <module>
clf.fit(x_train, y_train)
File "/Users/idaryuunosuke/.pyenv/versions/anaconda3-5.3.1/envs/py35/lib/python3.5/site-packages/sklearn/svm/base.py", line 146, in fit
accept_large_sparse=False)
File "/Users/idaryuunosuke/.pyenv/versions/anaconda3-5.3.1/envs/py35/lib/python3.5/site-packages/sklearn/utils/validation.py", line 719, in check_X_y
estimator=estimator)
File "/Users/idaryuunosuke/.pyenv/versions/anaconda3-5.3.1/envs/py35/lib/python3.5/site-packages/sklearn/utils/validation.py", line 496, in check_array
array = np.asarray(array, dtype=dtype, order=order)
File "/Users/idaryuunosuke/.pyenv/versions/anaconda3-5.3.1/envs/py35/lib/python3.5/site-packages/numpy/core/numeric.py", line 538, in asarray
return array(a, dtype, copy=False, order=order)
ValueError: could not convert string to float: 'https://youtu.be/-XgdtHewGR0'

  • 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

  • siruku6

    2019/09/21 22:14

    >ValueError: could not convert string to float: 'https://youtu.be/-XgdtHewGR0&#039;

    見た感じですが、
    「x_train に入っているデータが文字列だから受け付けられないよ。floatに変換できるもん(数値データ)入れてよ」
    とpythonが言っているように見えます。
    そこに入れるデータがその状態でいいのかは確認されましたか??

    キャンセル

  • nandymak

    2019/09/22 10:13

    >>SVNで機械学習しているので関係ある
    >pythonのエラーなので、タグが間違っているのご指摘です。

    もし
    >clf.fit(x_train, y_train)
    の部分でエラーになってるのであれば機械学習(sklearn)の問題ですが、出ているエラーはpythonのエラーです。sklearnがエラーを出しているのであれば、その理由(推測)を以下に回答しました。

    キャンセル

  • meg_

    2019/09/22 16:10

    当初エラー発生部分が不明だったため、Pandas部分でのエラーかと思っていました。失礼しました。

    キャンセル

回答 1

checkベストアンサー

+2

私も機械学習は始めたばかりなので確定的に回答できませんが、
エラーメッセージから判断して、Train Dataは数値に置き換え出来る必要があると思われます。
以下の例でも、Train Dataは数値になっており、内部的にfloatに変換されて学習すると思われます。
思われるばかりですいません。

>>> import numpy as np
>>> X = np.array([[-1, -1], [-2, -1], [1, 1], [2, 1]])
>>> y = np.array([1, 1, 2, 2])
>>> from sklearn.svm import SVC
>>> clf = SVC(gamma='auto')
>>> clf.fit(X, y) 
SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
    decision_function_shape='ovr', degree=3, gamma='auto', kernel='rbf',
    max_iter=-1, probability=False, random_state=None, shrinking=True,
    tol=0.001, verbose=False)
>>> print(clf.predict([[-0.8, -1]]))
[1]


公式ドキュメントよりsklearn.svm.SVC scikit-learn 0.21.3 documentation

SVM(サポートベクターマシン)は線形二値分類のアルゴリズムなので、学習データにURLのような文字データが入ってきても分類できないと思われます。前処理として数値に置き換える(One-Hotエンコーディングなどいろいろあります)まどで、分類可能なデータにする必要があるのでしょう。

二次元である必要は無いでが、以下のようにデータをマッピングして1本の線を引くアルゴリズムなので、URLの状態では困難では無いでしょうか?
アヤメの件についても日付は分類するのには不要だと思われますが、もっとSVMの理解が必要だと思います。

イメージ説明

SVMについては以下の書籍が良書のようですが私は途中で断念しました。
サポートベクターマシン入門:共立出版

ヘルプを見ると「X : {array-like, sparse matrix」と有りますので、数値を要求していると思われます。

model.fit()

Signature: model.fit(X, y, sample_weight=None)
Docstring:
Fit the SVM model according to the given training data.

Parameters
----------
X : {array-like, sparse matrix}, shape (n_samples, n_features)
    Training vectors, where n_samples is the number of samples
    and n_features is the number of features.
    For kernel="precomputed", the expected shape of X is
    (n_samples, n_samples).

y : array-like, shape (n_samples,)
    Target values (class labels in classification, real numbers in
    regression)

疎行列(そぎょうれつ、英: sparse matrix)とは、成分のほとんどが零である行列のことをいう。

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。

  • 2019/09/22 15:39

    とても参考になる解答ありがとうございます。
    アルゴリズムをSVNからニューラルネットワークに変更してやってみようと思うのですがどうでしょうか?

    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 89.98%
  • 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

同じタグがついた質問を見る