Q&A
> と出るのでできれば一つの予測値にしたいです。
入力値が複数だからではないですか？
> 特徴重要度の可視化についKeyError: 'feature_names'と出て、できていない状況です。
エラーメッセージは全文掲載してください。
前提・実現したいこと
私は機械学習初心者です。主にネットからコピペしたりして
RandomForestRegressorで回帰分析のモデルを作ろうとしています。
やりたいこととして
①予測値と正解値の正答率の算出
②予測値の可視化
③特徴重要度の可視化
をしたいと考えています。
①についてはできたのですが②と③についてはできていないのでお力を貸してください。
初心者で勉強不足ですが宜しくお願いします。
追記
②についても解決したかもしれません。
発生している問題・エラーメッセージ
予測値は [ 0.38222 -1.58526 0.34684 ... 2.14196 1.05836 1.01766] と出るのでできれば一つの予測値にしたいです。 追記 #予測値算出 y_pred = rf.predict(X_test) #予測値の平均値 y_pred_true = sum(y_pred)/len(y_pred) print(y_pred) print(y_pred_true) に変更しました。 >[ 0.38222 -1.58526 0.34684 ... 2.14196 1.05836 1.01766] >0.007574019218924746 ------------------------------------------------------------- 特徴重要度の可視化について KeyError: 'feature_names' と出て、できていない状況です。 追記 The above exception was the direct cause of the following exception: Traceback (most recent call last): File "Cモデル名", line 150, in <module> plt.xticks(x, concrete_data['feature_names']) File "C:\Users\Owner\anaconda3\lib\site-packages\pandas\core\frame.py", line 3455, in __getitem__ indexer = self.columns.get_loc(key) File "C:\Users\Owner\anaconda3\lib\site-packages\pandas\core\indexes\base.py", line 3363, in get_loc raise KeyError(key) from err KeyError: 'feature_names'
該当のソースコード
"""ライブラリのインポート"""(追記) #データ解析用ライブラリ import pandas as pd import numpy as np #データ可視化ライブラリ import matplotlib.pyplot as plt import seaborn as sns #RandomForestライブラリ from sklearn.ensemble import RandomForestRegressor as RFR from sklearn.model_selection import GridSearchCV #訓練データとモデル評価用データに分けるライブラリ from sklearn.model_selection import train_test_split #------------------------------------------------------------- #データの読み込み concrete_data = pd.read_csv(r'C:データ',engine='python') print(concrete_data.head())#読み込みの確認 #データを訓練用とモデル評価用に分割 train_set, test_set = train_test_split(concrete_data, test_size=0.2, random_state=4) print(len(train_set)) print(len(test_set)) #データの変数 [A,B,C,D,E,F,G,H,I,J,K,L,M,ID] #訓練データを説明変数データ(X_train)と目的変数データ(y_train)に分割 X_train = train_set.drop(['A','D','E','F','H','L','M','ID'], axis=1) y_train = train_set['M'] #モデル評価用データを説明変数データ(X_train)と目的変数データ(y_train)に分割 # All #X_test = test_set.drop(['A','H','L','M','ID'], axis=1) # Slim X_test = test_set.drop(['A','D','E','F','H','L','M','ID'], axis=1) # non-cyc #X_test = test_set.drop(['A','H','J','K','L','M','ID'], axis=1) y_test = test_set['M'] #分割データの確認 print(X_train.head()) #モデル構築 RandomForest rf = RFR(n_estimators=100, #フォレスト内のツリーの数、デフォルト=100 max_depth=None, #最大深さ無し random_state=2525, #ランダム性、デフォルト=なし bootstrap=True, #ブートストラップ使用 max_leaf_nodes=None, #リーフ、、ノードの数に制限なし min_impurity_decrease=0.0, #ノードの分割、デフォルト=0.0 min_impurity_split=None, #ツリーの成長の早期停止のしきい値 min_samples_leaf=1, #リーフ ノードに必要な最小サンプル数、デフォルト=1 min_samples_split=2, #内部ノードを分割するために必要なサンプルの最小数、デフォルト=2 min_weight_fraction_leaf=0.0, #リーフ ノードに必要なウェイトの合計、デフォルト=0.0 n_jobs=-1, #並列実行するジョブの数 oob_score=False, #袋の外の見積もりを使用して取得したトレーニング データセットのスコア verbose=True, #詳細 warm_start=False) #前の呼び出しの解を再利用、デフォルト=False #モデルフィット rf_train = rf.fit(X_train,y_train) rf_eval = rf.fit(X_test, y_test) params = {'metric': 'rmse', 'max_depth' : 9} #予測値算出 y_pred = rf.predict(X_test) print(y_pred) # feature_importanceを求める feature_importances = rf.feature_importances_ print(feature_importances) plt.figure(figsize=(8, 8)) plt.ylim([0, 1.0]) y = feature_importances x = np.arange(len(y)) plt.bar(x, y, align="center") plt.xticks(x, concrete_data['feature_names']) plt.show()
試したこと
データ読み込みの際にnamesで列名をつけることができると拝見したので、feature_namesを定義して、concrete_data = pd.read_csv(r'C:データ',engine='python',names=feature_names)で読み込んでみましたがだめでした。
そもそもfeature importanceのコードはほぼコピペなので適してるかもわかりません。
②予測値の可視化について、y_predの平均値を取ることで解決したかもしれません。追記します。
補足情報
Spyder(Python3.8)を使っています。
データの分割などは省略しています。
一応、①についてはできているとは思うのですが、モデル自体正しいのか不安です。
これが現在出ているグラフです。
理想的にはこのようにy軸に説明変数を出したいです。
>入力値が複数だからではないですか？
勉強不足ですみません。入力値というのは説明変数と同意ですか？
説明変数が複数だと、目的変数の予測値が複数出てしまうという解釈で宜しいのでしょうか。
>エラーメッセージは全文掲載してください。
ご指摘ありがとうございます。追記したもので宜しいでしょうか。
>>入力値が複数だからではないですか？
>勉強不足ですみません。入力値というのは説明変数と同意ですか？
質問のコード「y_pred = rf.predict(X_test)」のX_testを指しています。
エラーメッセージはまだ全部ではないですよね？
質問者さんが書いたコードのどこでエラーが発生したかのメッセージ部分から載せてもらえませんか？
>質問のコード「y_pred = rf.predict(X_test)」のX_testを指しています。
理解できました。ありがとうございます。
>エラーメッセージはまだ全部ではないですよね？
質問者さんが書いたコードのどこでエラーが発生したかのメッセージ部分から載せてもらえませんか？
更に追記しました。まだ不足でしょうか。
KeyErrorはconcrete_dataに'feature_names'という列名がないので発生しているエラーですね。
plt.xticks(x, concrete_data['feature_names'])のコードではX軸ラベルに何を表示させたかったのでしょうか？
plt.xticks(x, rf.feature_names) でどうでしょうか？
特徴重要度可視化について追記しました。
>plt.xticks(x, rf.feature_names) でどうでしょうか？
試してみます。
試して見たところ、
File "C:モデル, line 150, in <module>
plt.xticks(x, rf.feature_names)
AttributeError: 'RandomForestRegressor' object has no attribute 'feature_names'
のエラーメッセージが表示されました。
すみません。間違えました。
plt.xticks(x, concrete_data.columns)ではどうでしょうか？
>plt.xticks(x, concrete_data.columns)ではどうでしょうか？
File "C:\Users\Owner\anaconda3\lib\site-packages\matplotlib\axis.py", line 1711, in set_ticklabels
raise ValueError(
ValueError: The number of FixedLocator locations (6), usually from a call to set_ticks, does not match the number of ticklabels (14).
次はこのエラーメッセージが出ました。何度もお手数をおかけしてすみません。
fitの部分のコードがないので分かりませんが、訓練データはconcrete_dataではないのですか？
今更の確認ですが使用しているライブラリはScikit-learnのRandomForestRegressorですか？
ソースコードについて追記しました。
>訓練データはconcrete_dataではないのですか？
ソースコードが不十分でした。train_setになるかと思います。
>ライブラリはScikit-learnのRandomForestRegressorですか？
そうだと思います。
> ソースコードが不十分でした。train_setになるかと思います。
モデルのfitに使用したデータセットの特徴量名をグラフラベルに使用すれば良いでしょう。
>モデルのfitに使用したデータセットの特徴量名をグラフラベルに使用すれば良いでしょう。
具体的にはどこを変えればいいのでしょうか。勉強不足ですみません。
検証できないためおそらくですが、plt.xticks(x, X_train.columns) で良いかと思います。
なんとかラベルに特徴量名を使うことができました。
回答1件
0
pycaretで検索して頂けると容易に解決することが出来るかと思います。
投稿2021/12/12 07:05
総合スコア8
あなたの回答
tips
プレビュー
