使用 Python 對面板數據進行隨機森林

Question

所以我在面板數據上運行隨機森林回歸時遇到了一些麻煩。

目前的數據如下所示：

我想進行隨機森林回歸，根據我擁有的變量預測每個 ID 隨時間變化的 KwH。 我已使用以下代碼將數據拆分為訓練和測試樣本：

from sklearn.model_selection import train_test_split
X = df[['hour', 'day', 'month', 'dayofweek', 'apparentTemperature',
       'summary', 'household_size', 'work_from_home', 'num_rooms',
       'int_in_renew', 'int_in_gen', 'conc_abt_cc', 'feel_abt_lifestyle',
       'smrt_meter_help', 'avg_gender', 'avg_age', 'house_type', 'sum_insul',
       'total_lb', 'total_fridges', 'bigg_apps', 'small_apps',
       'look_at_meter']]
y = df[['KwH']]
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

然后我希望訓練我的 model 並針對測試樣本進行測試，但是我不確定如何執行此操作。 我試過這段代碼：

from sklearn.ensemble import RandomForestRegressor
rfc = RandomForestRegressor(n_estimators=200)
rfc.fit(X_train, y_train)

但是我收到以下錯誤消息：

當需要一維數組時，傳遞了列向量 y。 請將 y 的形狀更改為 (n_samples,)，例如使用 ravel()。

我不確定這個錯誤是否從根本上是我的數據排列方式或我做隨機森林的方式，所以對此有任何幫助，然后在之后針對測試樣本測試數據，將不勝感激。

提前致謝。

Answer 1

只需將y = df[['KwH']]切換為y = df['KwH']或y = df.KwH解決此問題。

這是因為scikit-learn不希望y成為 dataframe，並且選擇帶有雙[[...]]的列恰好返回 dataframe。