1
import pandas as pd
from sklearn.model_selection import train_test_split

df = pd.read_csv('coords.csv',sep=';') #Cargo el archivo csv

x = df.iloc[1:,1:] #features values
y = df.iloc[1:,0] #target value

print(x)
print(y)

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=1234)

print(x_train)
print(y_train)

from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler

from sklearn.linear_model import LogisticRegression, RidgeClassifier
from sklearn.ensemble import RandomForestClassifier, GradientBoostingClassifier

pipelines = {
    'lr':make_pipeline(StandardScaler(), LogisticRegression()),
    'rc':make_pipeline(StandardScaler(), RidgeClassifier()),
    'rf':make_pipeline(StandardScaler(), RandomForestClassifier()),
    'gb':make_pipeline(StandardScaler(), GradientBoostingClassifier()),
}

fit_models = {}

for algo, pipeline in pipelines.items():
    model = pipeline.fit(x_train, y_train)
    fit_models[algo] = model

print(fit_models)

print(fit_models['lr'].predict(x_test))
print(fit_models['rc'].predict(x_test))
print(fit_models['rf'].predict(x_test))
print(fit_models['gb'].predict(x_test))

Al cargar los siguientes datos donde los encuadrados en rojo corresponden a los targets que son strings, y se cargan en la variable y, y los encuadrados en azul son las features que son floats y van almacenados en la variable x

introducir la descripción de la imagen aquí

Estoy teniendo el problema de que me sale el siguiente error:

Traceback (most recent call last):
  File "3_Train_Custom_Model_Using_Scikit_Learn.py", line 99, in <module>
    model = pipeline.fit(x_train, y_train)
  File "C:\Users\Maty0\Anaconda3\lib\site-packages\sklearn\pipeline.py", line 335, in fit
    self._final_estimator.fit(Xt, y, **fit_params_last_step)
  File "C:\Users\Maty0\Anaconda3\lib\site-packages\sklearn\linear_model\_logistic.py", line 1407, in fit
    fold_coefs_ = Parallel(n_jobs=self.n_jobs, verbose=self.verbose,
  File "C:\Users\Maty0\Anaconda3\lib\site-packages\joblib\parallel.py", line 1041, in __call__
    if self.dispatch_one_batch(iterator):
  File "C:\Users\Maty0\Anaconda3\lib\site-packages\joblib\parallel.py", line 859, in dispatch_one_batch
    self._dispatch(tasks)
  File "C:\Users\Maty0\Anaconda3\lib\site-packages\joblib\parallel.py", line 777, in _dispatch
    job = self._backend.apply_async(batch, callback=cb)
  File "C:\Users\Maty0\Anaconda3\lib\site-packages\joblib\_parallel_backends.py", line 208, in apply_async
    result = ImmediateResult(func)
  File "C:\Users\Maty0\Anaconda3\lib\site-packages\joblib\_parallel_backends.py", line 572, in __init__
    self.results = batch()
  File "C:\Users\Maty0\Anaconda3\lib\site-packages\joblib\parallel.py", line 262, in __call__
    return [func(*args, **kwargs)
  File "C:\Users\Maty0\Anaconda3\lib\site-packages\joblib\parallel.py", line 262, in <listcomp>
    return [func(*args, **kwargs)
  File "C:\Users\Maty0\Anaconda3\lib\site-packages\sklearn\linear_model\_logistic.py", line 762, in _logistic_regression_path
    n_iter_i = _check_optimize_result(
  File "C:\Users\Maty0\Anaconda3\lib\site-packages\sklearn\utils\optimize.py", line 243, in _check_optimize_result
    ).format(solver, result.status, result.message.decode("latin1"))
AttributeError: 'str' object has no attribute 'decode'

Que es lo que esta dando ese error? Acaso son los nombres de las str que se hallan en el y_train? o los floats que se hallan en x_train al pasarles al fit() ?

Ademas como haria para cargar los datos del archivo csv que vienen como str, y luego llevarlos a cadena de bytes, para evitar este error de decode?

Y si uso el metodo y = y.apply(lambda y: y.encode()) en la variable y que contiene los targets, me sale este error de MultiLabelBinarizer

Traceback (most recent call last):
  File "3_Train_Custom_Model_Using_Scikit_Learn.py", line 99, in <module>
    model = pipeline.fit(x_train, y_train)
  File "C:\Users\Maty0\Anaconda3\lib\site-packages\sklearn\pipeline.py", line 335, in fit
    self._final_estimator.fit(Xt, y, **fit_params_last_step)
  File "C:\Users\Maty0\Anaconda3\lib\site-packages\sklearn\linear_model\_logistic.py", line 1345, in fit
    check_classification_targets(y)
  File "C:\Users\Maty0\Anaconda3\lib\site-packages\sklearn\utils\multiclass.py", line 169, in check_classification_targets
    y_type = type_of_target(y)
  File "C:\Users\Maty0\Anaconda3\lib\site-packages\sklearn\utils\multiclass.py", line 263, in type_of_target
    raise ValueError('You appear to be using a legacy multi-label data'
ValueError: You appear to be using a legacy multi-label data representation. Sequence of sequences are no longer supported; use a binary array or sparse matrix instead - the MultiLabelBinarizer transformer can convert to this format.
9
  • Para transformar una cadena de strings a bytes solo tienes que hacer uso del método .encode()
    – Christian
    el 6 ene. 2022 a las 22:31
  • eso lo entiendo el problema es que no se como adaptarlo a este codigo, supongo que eso se lo tendria que aplicar a y_train que son str (y para x_train no seria necesario), pero el problema es que y_train seria una especie de lista de strings, no? deberia aplicar eso a cada elemento? no se si un ciclo for serviria para esa tarea el 6 ene. 2022 a las 22:37
  • cual es la variable que contiene strings?
    – Christian
    el 6 ene. 2022 a las 23:16
  • bueno creo que es la variable x. Como esta es una serie, puedes usar el método apply de esta forma x = x.apply(lambda y: y.encode())
    – Christian
    el 6 ene. 2022 a las 23:19
  • He probado eso pero aplicado a la y porque es la que tiene los nombres de los targets ('Happy','Sad','Surprice',etc....), pero me sale un error de the MultiLabelBinarizer transformer can convert to this format. por eso tenia duda acerca de como pasar a bytes array de datos. De todos modos ahi actualize mi pregunta con el error que te comento completo. el 6 ene. 2022 a las 23:36

0

Tu Respuesta

Al pulsar en “Publica tu respuesta”, muestras tu consentimiento a nuestros términos de servicio, política de privacidad y política de cookies