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!

新規登録して質問してみよう
ただいま回答率
87.20%
Python

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。

解決済

多数決の原理に基づいて予測を行う

tomatoto11
tomatoto11

総合スコア0

Python

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。

1回答

0評価

0クリップ

17閲覧

投稿2020/04/13 02:28

前提・実現したいこと

達人データサイエンティストによる理論と実践の本を写経しているのですが、本の通りやっているのですが、valueerrorになってしまいます。お助け願います、、、
###エラーメッセージ

10-fold cross validation: --------------------------------------------------------------------------- ValueError Traceback (most recent call last) <ipython-input-19-4f5b5db10c84> in <module>() 29 y=y_train, 30 cv=10, ---> 31 scoring='roc_auc', 32 ) 33 print("ROC AUC:%0.2f (+/- %0.2f) [%s]" % (scores.mean(),score.std(),label)) ~/.pyenv/versions/anaconda3-5.3.1/lib/python3.7/site-packages/sklearn/model_selection/_validation.py in cross_val_score(estimator, X, y, groups, scoring, cv, n_jobs, verbose, fit_params, pre_dispatch) 340 n_jobs=n_jobs, verbose=verbose, 341 fit_params=fit_params, --> 342 pre_dispatch=pre_dispatch) 343 return cv_results['test_score'] 344 ~/.pyenv/versions/anaconda3-5.3.1/lib/python3.7/site-packages/sklearn/model_selection/_validation.py in cross_validate(estimator, X, y, groups, scoring, cv, n_jobs, verbose, fit_params, pre_dispatch, return_train_score) 204 fit_params, return_train_score=return_train_score, 205 return_times=True) --> 206 for train, test in cv.split(X, y, groups)) 207 208 if return_train_score: ~/.pyenv/versions/anaconda3-5.3.1/lib/python3.7/site-packages/sklearn/externals/joblib/parallel.py in __call__(self, iterable) 777 # was dispatched. In particular this covers the edge 778 # case of Parallel used with an exhausted iterator. --> 779 while self.dispatch_one_batch(iterator): 780 self._iterating = True 781 else: ~/.pyenv/versions/anaconda3-5.3.1/lib/python3.7/site-packages/sklearn/externals/joblib/parallel.py in dispatch_one_batch(self, iterator) 623 return False 624 else: --> 625 self._dispatch(tasks) 626 return True 627 ~/.pyenv/versions/anaconda3-5.3.1/lib/python3.7/site-packages/sklearn/externals/joblib/parallel.py in _dispatch(self, batch) 586 dispatch_timestamp = time.time() 587 cb = BatchCompletionCallBack(dispatch_timestamp, len(batch), self) --> 588 job = self._backend.apply_async(batch, callback=cb) 589 self._jobs.append(job) 590 ~/.pyenv/versions/anaconda3-5.3.1/lib/python3.7/site-packages/sklearn/externals/joblib/_parallel_backends.py in apply_async(self, func, callback) 109 def apply_async(self, func, callback=None): 110 """Schedule a func to be run""" --> 111 result = ImmediateResult(func) 112 if callback: 113 callback(result) ~/.pyenv/versions/anaconda3-5.3.1/lib/python3.7/site-packages/sklearn/externals/joblib/_parallel_backends.py in __init__(self, batch) 330 # Don't delay the application, to avoid keeping the input 331 # arguments in memory --> 332 self.results = batch() 333 334 def get(self): ~/.pyenv/versions/anaconda3-5.3.1/lib/python3.7/site-packages/sklearn/externals/joblib/parallel.py in __call__(self) 129 130 def __call__(self): --> 131 return [func(*args, **kwargs) for func, args, kwargs in self.items] 132 133 def __len__(self): ~/.pyenv/versions/anaconda3-5.3.1/lib/python3.7/site-packages/sklearn/externals/joblib/parallel.py in <listcomp>(.0) 129 130 def __call__(self): --> 131 return [func(*args, **kwargs) for func, args, kwargs in self.items] 132 133 def __len__(self): ~/.pyenv/versions/anaconda3-5.3.1/lib/python3.7/site-packages/sklearn/model_selection/_validation.py in _fit_and_score(estimator, X, y, scorer, train, test, verbose, parameters, fit_params, return_train_score, return_parameters, return_n_test_samples, return_times, error_score) 456 estimator.fit(X_train, **fit_params) 457 else: --> 458 estimator.fit(X_train, y_train, **fit_params) 459 460 except Exception as e: ~/.pyenv/versions/anaconda3-5.3.1/lib/python3.7/site-packages/sklearn/pipeline.py in fit(self, X, y, **fit_params) 248 Xt, fit_params = self._fit(X, y, **fit_params) 249 if self._final_estimator is not None: --> 250 self._final_estimator.fit(Xt, y, **fit_params) 251 return self 252 ~/.pyenv/versions/anaconda3-5.3.1/lib/python3.7/site-packages/sklearn/linear_model/logistic.py in fit(self, X, y, sample_weight) 1235 self.class_weight, self.penalty, self.dual, self.verbose, 1236 self.max_iter, self.tol, self.random_state, -> 1237 sample_weight=sample_weight) 1238 self.n_iter_ = np.array([n_iter_]) 1239 return self ~/.pyenv/versions/anaconda3-5.3.1/lib/python3.7/site-packages/sklearn/svm/base.py in _fit_liblinear(X, y, C, fit_intercept, intercept_scaling, class_weight, penalty, dual, verbose, max_iter, tol, random_state, multi_class, loss, epsilon, sample_weight) 884 check_consistent_length(sample_weight, X) 885 --> 886 solver_type = _get_liblinear_solver_type(multi_class, penalty, loss, dual) 887 raw_coef_, n_iter_ = liblinear.train_wrap( 888 X, y_ind, sp.isspmatrix(X), solver_type, tol, bias, C, ~/.pyenv/versions/anaconda3-5.3.1/lib/python3.7/site-packages/sklearn/svm/base.py in _get_liblinear_solver_type(multi_class, penalty, loss, dual) 745 raise ValueError('Unsupported set of arguments: %s, ' 746 'Parameters: penalty=%r, loss=%r, dual=%r' --> 747 % (error_string, penalty, loss, dual)) 748 749 ValueError: Unsupported set of arguments: The combination of penalty='12' and loss='logistic_regression' is not supported, Parameters: penalty='12', loss='logistic_regression', dual=False

該当のソースコード

python

from sklearn import datasets from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.preprocessing import LabelEncoder iris=datasets.load_iris() X,y=iris.data[50:,[1,2]],iris.target[50:] le=LabelEncoder() y=le.fit_transform(y) X_train,X_test,y_train,y_test=\ train_test_split(X,y,test_size=0.5,random_state=1,stratify=y) from sklearn.model_selection import cross_val_score from sklearn.linear_model import LogisticRegression from sklearn.tree import DecisionTreeClassifier from sklearn.neighbors import KNeighborsClassifier from sklearn.pipeline import Pipeline import numpy as np clf1=LogisticRegression(penalty='12', C=0.001, random_state=1) clf2=DecisionTreeClassifier(max_depth=1, criterion='entropy', random_state=0) clf3=KNeighborsClassifier(n_neighbors=1, p=2, metric='minkowski') pipe1=Pipeline([['sc',StandardScaler()], ['clf',clf1]]) pipe3=Pipeline([['sc',StandardScaler()], ['clf',clf3]]) clf_labels=['Logistic regression ','Decision tree','KNN'] print('10-fold cross validation:\n') for clf,label in zip([pipe1,clf2,pipe3],clf_labels): scores=cross_val_score( estimator=clf, X=X_train, y=y_train, cv=10, scoring='roc_auc', ) print("ROC AUC:%0.2f (+/- %0.2f) [%s]" % (scores.mean(),score.std(),label))

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。

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。

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
  • 過去に投稿した質問と同じ内容の質問
  • 広告と受け取られるような投稿

評価を下げると、トップページの「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。

まだ回答がついていません

会員登録して回答してみよう

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
87.20%

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る

質問する

関連した質問

同じタグがついた質問を見る

Python

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。