Pythonで予測(RandomForestRegressor)を使うと負のscoreになるのがどういう意味ですか？

元のデータです

地震のデータセットを用いて、発生時期・緯度・経度からマグニチュードと深さを予測しようと思っていますが、発生日付のフォーマットでうまくいきません

print(data.dtypes)
time               datetime64[ns, UTC]
latitude                       float64
longitude                      float64
depth                          float64
mag                            float64
magType                         object
nst                            float64
gap                            float64
dmin                           float64
rms                            float64
net                             object
id                              object
updated                         object
place                           object
type                            object
horizontalError                float64
depthError                     float64
magError                       float64
magNst                         float64
status                          object
locationSource                  object
magSource                       object
dtype: object

コードは

#timeを日付と時間に分割
data['new_date'] = [d.date() for d in data['time']]
data['new_time'] = [d.time() for d in data['time']]
final_data = data[['time', 'new_date', 'new_time', 'latitude', 'longitude', 'depth', 'mag']]

確認すると

time         datetime64[ns, UTC]
new_date                  object
new_time                  object
latitude                 float64
longitude                float64
depth                    float64
mag                      float64
dtype: object

final_data['month']= final_data['time'].dt.month
final_data['year']= final_data['time'].dt.year
#データをtrainとtest用に分けます
X = final_data[['year', 'month', 'latitude', 'longitude']]
y = final_data[['mag', 'depth']]

from sklearn.model_selection import train_test_split
X_train, X_test,y_train, y_test = train_test_split(X, y, test_size=0.20, random_state=42)
print(X_train.shape, X_test.shape, y_train.shape, y_test.shape)

(107, 4) (27, 4) (107, 2) (27, 2)

#予測をするためにrandomforestを実行する
from sklearn.ensemble import RandomForestRegressor

reg = RandomForestRegressor(random_state=42)
reg.fit((X_train), (y_train))
reg.predict(X_test)

array([[ 4.65 , 20.75 ],
[ 4.61 , 10.223],
[ 4.68 , 10. ],
[ 4.72 , 10. ],
[ 4.9 , 11.02 ],
[ 4.57 , 9.983],
[ 4.59 , 16.735],
[ 4.69 , 9.543],
[ 5.37 , 17.217],
[ 5.02 , 18.4 ],
[ 5.1 , 11.2 ],
[ 4.66 , 10. ],
[ 4.72 , 26.106],
[ 5.77 , 11.3 ],
[ 4.66 , 10.159],
[ 5.09 , 29.443],
[ 4.55 , 9.983],
[ 4.84 , 16.776],
[ 4.55 , 9.983],
[ 4.71 , 10. ],
[ 5.2 , 13.439],
[ 4.72 , 9.847],
[ 4.77 , 12.127],
[ 4.63 , 22.94 ],
[ 4.72 , 10.767],
[ 5.49 , 11.3 ],
[ 5.04 , 10.2 ]])

reg.score(X_test, y_test)

-7.319324727219347

答えはマイナスになるのです。
new_dateとnew_timeの代わりにtimeを使ってもエラーになります(以下の)。

TypeError: float() argument must be a string or a number, not 'Timestamp'

予測に影響が大きのは月と年です。どうパラメータを正しく取ればいいのかわからないです
何が違うかヒントをいただけませんか
よろしくお願いします

行動規範の内容に同意します

回答1件

reg.fit(str(X_train), str(y_train))
stringにしてませんか...?

投稿2020/06/01 06:17

jeanbiego

総合スコア3966

samankoar

2020/06/01 06:30 編集

そうでした。思い出しました。最初は reg.fit(X_train, y_train) でやってました。しかしこのエラーが出ました TypeError: float() argument must be a string or a number, not 'Timestamp' なので、 final_data['time']=final_data['time'].astype(str) final_data['latitude']=final_data['latitude'].astype(str) final_data['longitude']=final_data['longitude'].astype(str) final_data['mag']=final_data['mag'].astype(str) final_data['depth']=final_data['depth'].astype(str) のように変更しましたが、以下のエラーが出ました ValueError: could not convert string to float: '2016-06-29 22:56:14.420000+00:00'