sklearnのfit関数でのエラー

Question

sklearnのfit関数でのエラーについて質問させていただきます。
現在アンサンブル学習をやりたいと思い、以下のサイトのコードを試しています。
参考HP

エラーが出るコードの箇所と内容は以下になります。

# feature importance using random forest
from sklearn.ensemble import RandomForestRegressor
rf = RandomForestRegressor(n_estimators=80, max_features='auto')
rf.fit(X_train, y_train)
print('Training done using Random Forest')

ranking = np.argsort(-rf.feature_importances_)
f, ax = plt.subplots(figsize=(11, 9))
sns.barplot(x=rf.feature_importances_[ranking], y=X_train.columns.values[ranking], orient='h')
ax.set_xlabel("feature importance")
plt.tight_layout()
plt.show()
    ...

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-17-f9c4d1e292fc> in <module>()
      2 from sklearn.ensemble import RandomForestRegressor
      3 rf = RandomForestRegressor(n_estimators=80, max_features='auto')
----> 4 rf.fit(X_train, y_train)
      5 print('Training done using Random Forest')
      6 

/usr/local/lib/python2.7/dist-packages/sklearn/ensemble/forest.pyc in fit(self, X, y, sample_weight)
    245         """
    246         # Validate or convert input data
--> 247         X = check_array(X, accept_sparse="csc", dtype=DTYPE)
    248         y = check_array(y, accept_sparse='csc', ensure_2d=False, dtype=None)
    249         if sample_weight is not None:

/usr/local/lib/python2.7/dist-packages/sklearn/utils/validation.pyc in check_array(array, accept_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, ensure_min_samples, ensure_min_features, warn_on_dtype, estimator)
    451                              % (array.ndim, estimator_name))
    452         if force_all_finite:
--> 453             _assert_all_finite(array)
    454 
    455     shape_repr = _shape_repr(array.shape)

/usr/local/lib/python2.7/dist-packages/sklearn/utils/validation.pyc in _assert_all_finite(X)
     42             and not np.isfinite(X).all()):
     43         raise ValueError("Input contains NaN, infinity"
---> 44                          " or a value too large for %r." % X.dtype)
     45 
     46 

ValueError: Input contains NaN, infinity or a value too large for dtype('float32').

試したことはX_train.drop(X_train.columns[np.isnan(X_train).any()], axis=1)を入れて｀NaN`を削除しようとしましたが、変化なしでした。

分かる方がいましたら、回答いただけると助かります。
※ご回答いただいた内容に質問させていただくこともあるかと思いますので、
※よろしければご返信いただければと思います。

Answer 1

pandas の関数は、関数を適用した結果をコピーとして返すので、元の DataFrame 自体は変更されません。
そのため、以下のように元の変数に関数の返り値を代入するようにしてください。

X_train = X_train.drop(X_train.columns[np.isnan(X_train).any()], axis=1)

Comments

[yone_yone]

回答ありがとうございます。
解決いたしました!