teratail
回答率
85.47%
質問するログイン新規登録
トップに関する質問TypeError: Cannot clone object のエラー対応（機械学習　Kaggleコンペ）

編集履歴

質問編集履歴

1

コード全体の記述を行いました。

2020/05/12 01:38

投稿

scienceman
scienceman

スコア8

test CHANGED
File without changes
test CHANGED
@@ -1,4 +1,4 @@
1
- Kaggleコンペ　住宅価格予想について、エラーの原因が特定できません。
1
+ ```Kaggleコンペ　住宅価格予想について、エラーの原因が特定できません。
2
2
 
3
3
  AIacademyと言うサイトのコード、カリキュラムを参考にしてます。
4
4
 
@@ -8,7 +8,215 @@
8
8
 
9
9
 
10
10
 
11
-
11
+ ```ここに言語を入力　Python
12
+
13
+ コード
14
+
15
+
16
+
17
+ #データの読み込み
18
+
19
+ import numpy as np
20
+
21
+ import pandas as pd
22
+
23
+
24
+
25
+ train= pd.read_csv("/kaggle/input/house-prices-advanced-regression-techniques/train.csv")
26
+
27
+ test = pd.read_csv("/kaggle/input/house-prices-advanced-regression-techniques/test.csv")
28
+
29
+
30
+
31
+ train.head()
32
+
33
+
34
+
35
+ train.info()
36
+
37
+
38
+
39
+ print(train.shape,test.shape)
40
+
41
+
42
+
43
+
44
+
45
+ #欠損地の多いデータを消す
46
+
47
+ train = train.drop('Alley',axis=1).drop('FireplaceQu',axis=1).drop('PoolQC',axis=1).drop('Fence',axis=1).drop('MiscFeature',axis=1)
48
+
49
+
50
+
51
+ test =test.drop('Alley',axis=1).drop('FireplaceQu',axis=1).drop('PoolQC',axis=1).drop('Fence',axis=1).drop('MiscFeature',axis=1)
52
+
53
+
54
+
55
+
56
+
57
+ train_id = train['Id']
58
+
59
+ test_id = test['Id']
60
+
61
+
62
+
63
+ y_train = train['SalePrice']
64
+
65
+ x_train = train.drop(['Id','SalePrice'],axis=1)
66
+
67
+ x_test = test.drop('Id',axis=1)
68
+
69
+
70
+
71
+
72
+
73
+ #欠損値を中央値で補完
74
+
75
+ x_train = x_train.fillna(x_train.median())
76
+
77
+ x_test = x_test.fillna(x_test.median())
78
+
79
+
80
+
81
+ x_train.info()
82
+
83
+
84
+
85
+ #object型の欠損値をmodeで埋める
86
+
87
+ for i in range(x_train.shape[1]):
88
+
89
+ if x_train.iloc[:,i].dtype == object:
90
+
91
+ mode = x_train.mode()[x_train.columns.values[i]].values
92
+
93
+ for j in range(x_train.shape[0]):
94
+
95
+ if x_train.isnull().iloc[j,i]==True:
96
+
97
+ x_train.iloc[j,i] =mode
98
+
99
+
100
+
101
+
102
+
103
+ for i in range(x_test.shape[1]):
104
+
105
+ if x_test.iloc[:,i].dtype == object:
106
+
107
+ mode = x_test.mode()[x_test.columns.values[i]].values
108
+
109
+ for j in range(x_test.shape[0]):
110
+
111
+ if x_test.isnull().iloc[j,i]==True:
112
+
113
+ x_test.iloc[j,i] = mode
114
+
115
+
116
+
117
+
118
+
119
+ x_train.isnull().sum().sum()
120
+
121
+
122
+
123
+ #ラベルエンコーディング
124
+
125
+ from sklearn.preprocessing import LabelEncoder
126
+
127
+ le = LabelEncoder()
128
+
129
+
130
+
131
+ #ラベルエンコーダー(訓練セット）
132
+
133
+ for i in range(x_train.shape[1]):
134
+
135
+ if x_train.iloc[:,i].dtypes == object:
136
+
137
+ le.fit(list(x_train[x_train.columns.values[i]].values))
138
+
139
+ x_train[x_train.columns.values[i]] = le.transform(list(x_train[x_train.columns.values[i]].values))
140
+
141
+
142
+
143
+ #ラベルエンコーダー(テストセット）
144
+
145
+ for i in range(x_test.shape[1]):
146
+
147
+ if x_test.iloc[:,i].dtypes == object:
148
+
149
+ le.fit(list(x_test[x_test.columns.values[i]].values))
150
+
151
+ x_test[x_test.columns.values[i]] = le.transform(list(x_test[x_test.columns.values[i]].values))
152
+
153
+
154
+
155
+ x_train.info()
156
+
157
+
158
+
159
+
160
+
161
+ #特徴量の削減
162
+
163
+ from sklearn.feature_selection import SelectKBest,f_regression
164
+
165
+
166
+
167
+ selector = SelectKBest(score_func=f_regression,k=5)
168
+
169
+ selector.fit(x_train,y_train)
170
+
171
+ print(selector.get_support())
172
+
173
+
174
+
175
+
176
+
177
+ x_train_selected =pd.DataFrame({'OverallQual':x_train['OverallQual'],'ExterQual':x_train['ExterQual'],'GrLivArea':x_train['GrLivArea'],'GarageCars':x_train['GarageCars'],'GarageArea':x_train['GarageArea']})
178
+
179
+
180
+
181
+ x_test_selected = pd.DataFrame({'OverallQual':x_test['OverallQual'],'ExterQual':x_test['ExterQual'],'GrLivArea':x_test['GrLivArea'],'GarageCars':x_test['GarageCars'],'GarageArea':x_test['GarageArea']})
182
+
183
+
184
+
185
+ x_train_selected.head()
186
+
187
+
188
+
189
+ #訓練セットを分ける
190
+
191
+ from sklearn.model_selection import train_test_split
192
+
193
+ xp_train,xp_test,yp_train,yp_test = train_test_split(x_train_selected,y_train,test_size=0.3,random_state=1)
194
+
195
+
196
+
197
+ #ランダムフォレストとサポートベクター回帰（SVR）を読み込み、グリッドサーチを行う
198
+
199
+ from sklearn.svm import SVR
200
+
201
+ from sklearn.ensemble import RandomForestRegressor
202
+
203
+
204
+
205
+ forest = RandomForestRegressor
206
+
207
+ svr =SVR()
208
+
209
+
210
+
211
+ parameters_forest = {'n_estimators':[100,500,1000,3000],'max-depth':[3,6,12]}
212
+
213
+ parameters_svr = {'C':[0.1,10,1000],'epsilzon':[0.01,0.1,0.5]}
214
+
215
+
216
+
217
+
218
+
219
+ #グリッドサーチを行う（エラー発生）
12
220
 
13
221
  from sklearn.model_selection import GridSearchCV
14
222
 
@@ -84,6 +292,8 @@
84
292
 
85
293
 
86
294
 
87
- 初心者で対処の仕方など、よくわかってないので試したことは特にありません。コードのスペルミスはないか２度コード全体のスペルチェックはしてます。
295
+ 初心者で対処の仕方など、よくわかってないので試したことは特にありません。
296
+
297
+ コードのスペルミスはないか２度コード全体のスペルチェックはしてます。
88
298
 
89
299
  このエラーはどんな意味で、対応法をを知っている方いましたら、解答よろしくお願いします。