scikit-learnでのfitエラーについて

Question

前提・実現したいこと

ワインデータを利用してscikit-learnの学習をしようとしているのですが、学習のタイミングでエラーが出てしまいます。
原因は何でしょうか？

発生している問題・エラーメッセージ

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-16-1e4fae81f3e8> in <module>()
      5 # データの前処理(必要であれば)
      6 from sklearn import preprocessing
----> 7 X=preprocessing.MinMaxScaler().fit_transform(X)
      8 
      9 #　訓練データとテストデータの作成

4 frames
/usr/local/lib/python3.6/dist-packages/numpy/core/numeric.py in asarray(a, dtype, order)
    536 
    537     """
--> 538     return array(a, dtype, copy=False, order=order)
    539 
    540 

ValueError: could not convert string to float: 'volatile acidity'

該当のソースコード

%matplotlib inline
import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt 
from sklearn.model_selection import train_test_split
 
# データを読み込む
df=pd.read_csv("http://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-white.csv",sep=";",header=None)
print(df.columns)

# 特徴データをXに入れる
X = df.iloc[:,1:]
# ラベルデータをyに入れる
y = df.iloc[:,0:]


#　訓練データとテストデータの作成
X_train, X_test, y_train, y_test = train_test_split(X, y)

# モデルの適用
from sklearn.ensemble import RandomForestClassifier
clf = RandomForestClassifier(n_estimators=100)
clf.fit(X_train,y_train)

#　正答率を求める
print("正答率(学習) = ", clf.score(X_train,y_train))
print("正答率(テスト) = ", clf.score(X_test,y_test))

Answer 1

pandasで読み込むときにheader=Noneを指定しているので、一行目のヘッダがデータとして取り込まれてしまっていますね。ヘッダ付きのCSVであればこの指定は不要です。

Comments

[sezaki_H]

あぁ、そんなことでしたか・・・データをちゃんと見ていませんでした（汗
その部分を削ると
Unknown label type: 'continuous-multioutput'
というエラーが出るのですが、これはどうしたら良いでしょうか？

[hayataka2049]

y = df.iloc[:,0]にしてくださいな。

[hayataka2049]

と思ったけど、そもそもqualityの分類が目的なら取り出すべきは一番右側の列です。このコードだと左側のfixed acidityなる特徴が取り出されますが。

[hayataka2049]

やるとしたら、
# 特徴データをXに入れる
X = df.iloc[:,:-1]
# ラベルデータをyに入れる
y = df.iloc[:,-1]
とかでしょうか。

[sezaki_H]

なるほど、ご丁寧にありがとうございます！m(_ _)m