scikit-learn의 LinearRegression IndexError

나는 null 값들을 채우기 위해 LinearRegression 모델을 사용하여 Rupeepersqft라는 feature에 작업 중이다. 코드를 실행할 때, 다음과 같은 오류가 발생한다:

IndexError                                Traceback (most recent call last)
<ipython-input-20-33d4e6d2998e> in <module>()
      1 test_data = data_with_null.iloc[:,:3]
----> 2 Rupeepersqft_predicted['Rupeepersqft'] = pd.DataFrame(linreg.predict(test_data))
IndexError: only integers, slices (`:`), ellipsis (`...`), numpy.newaxis (`None`) and integer or boolean arrays are valid indices

이것은 나에게 오류를 주는 코드입니다:

import sklearn.linear_model as lm
linreg = lm.LinearRegression()
data_with_null = data2[['가격 (라크)','면적','면적 유형','스퀘어피트당 루피','상태','구매 유형','부동산 규제법']].dropna()
data_without_null =  data_with_null.dropna()
train_data_x = data_without_null.iloc[:,:3]
train_data_y = data_without_null.iloc[:,3]
linreg.fit(train_data_x, train_data_y)
test_data = data_with_null.iloc[:,:3]
Rupeepersqft_predicted['루피당 면적'] = pd.DataFrame(linreg.predict(test_data))
data_with_null.Rupeepersqft.fillna(Rupeepersqft_predicted, inplace=True)

이것이 데이터의 모습입니다:

누가 도와줄 수 있을까요?

답변 1

Pandas.DataFrame에서 열에 값을 할당하려면 locators, 즉 loc와 iloc(배열과 유사한 조작을위한)을 사용해야하므로 문제를 해결하기 위해 다음과 같이 변경하십시오.

Rupeepersqft_predicted['Rupeepersqft'] = pd.DataFrame(linreg.predict(test_data))

다음으로:

Rupeepersqft_predicted.loc[:, 'Rupeepersqft'] = pd.DataFrame(linreg.predict(test_data))

이것은 모든 행(콜론 :)과 열 Rupeepersqft을 선택하고 오른쪽에있는 값이 무엇이든 할당합니다.

또는 iloc을 사용하여:

Rupeepersqft_predicted.iloc[:, 1] = pd.DataFrame(linreg.predict(test_data))

DataFrame의 1번째 열의 모든 행(다시 콜론 : 연산자)에 할당하십시오.

그냥 오른쪽에있는 값이 할당하려는 열과 동일한 길이인지 확인하십시오.

Pandas에 대해서 자세한 내용은 이 책에서 찾을 수 있습니다.

건배

답변 2

Title: 선형 회귀 모델에서 발생하는 scikit-learn IndexError
Introduction:
scikit-learn은 파이썬에서 머신러닝 및 데이터 과학 프로젝트를 위한 유용한 도구로 알려져 있습니다. 그러나 때로는 선형 회귀 모델을 사용할 때 IndexError와 같은 일부 문제가 발생할 수 있습니다. 본 기사에서는 scikit-learn 선형 회귀 모델에서 발생하는 IndexError의 원인과 해결 방법에 대해 알아보겠습니다.
내용:
scikit-learn의 LinearRegression 모델을 사용하면 고차원 데이터에 대한 선형 회귀 모델을 손쉽게 구축할 수 있습니다. 그러나 때로는 데이터 처리 중 인덱싱 오류(IndexError)가 발생할 수 있습니다. 이런 오류는 일반적으로 입력 데이터의 차원 문제로 인해 발생하며, 주로 다음과 같은 상황에서 발생합니다.
1. 변수 선택 시 인덱스 범위 오류: scikit-learn의 LinearRegression 모델에서는 관련 변수를 선택하는 인덱스를 지정해야 합니다. 따라서 입력 데이터의 형태와 일치하는 인덱스를 사용하지 않으면 IndexError가 발생할 수 있습니다. 데이터 프레임의 특정 열에 해당하는 인덱스가 잘못 지정되었는지 확인하고 해결해야 합니다.
2. 다차원 배열 문제: 선형 회귀 모델은 2차원 배열의 형태로 데이터를 받습니다. 데이터를 올바른 차원으로 변환하지 않으면 IndexError가 발생할 수 있습니다. 예를 들어, 1차원 배열로 입력 데이터를 제공하거나 데이터의 차원이 모두 일치하지 않는 경우 문제가 발생할 수 있습니다. 이 경우 numpy를 사용하여 데이터의 모양(shape)를 확인하고 reshape 함수를 사용하여 데이터를 재구성해야 합니다.
3. 결측치 처리 오류: LinearRegression은 결측치나 누락된 값이 포함된 데이터를 처리하기 위해 적합하지 않습니다. 결측치를 다른 값으로 채우지 않고 그대로 두면 IndexError가 발생할 수 있습니다. 따라서 데이터 전처리 단계에서 결측치 처리를 수행해야 합니다. scikit-learn의 Imputer 클래스 등을 사용하여 결측치를 채운 후 선형 회귀 모델에 데이터를 공급해야 합니다.
해결 방법:
scikit-learn의 LinearRegression 모델에서 발생하는 IndexError를 해결하기 위해 다음과 같은 접근 방식을 추천합니다.
1. 데이터 전처리: 입력 데이터의 형태와 인덱스 지정에 문제가 없는지 확인하십시오. 부적절한 인덱싱을 수정하고, 데이터의 차원을 확인하여 필요에 따라 reshape 함수를 사용하여 데이터를 재구성하십시오.
2. 결측치 처리: 변수 중 결측치가 있는 경우, 적절한 방법으로 결측치를 처리해야 합니다. scikit-learn의 Imputer 클래스를 사용하여 평균, 중앙값, 최빈값 등으로 결측치를 대체하십시오.
3. 데이터 검증: 데이터 세트를 학습용과 테스트용으로 나누어 모델의 성능을 검증해야 합니다. 데이터를 적절하게 나누고, 모델의 일반화(generalization) 성능을 평가하기 위해 교차 검증(cross-validation) 등의 기법을 사용하세요.
결론:
scikit-learn의 LinearRegression 모델에서 IndexError가 발생하는 경우 대부분 데이터 처리에 문제가 있습니다. 이를 해결하기 위해 데이터 전처리, 적절한 인덱싱, 결측치 처리 및 데이터 검증 단계를 신중하게 수행해야 합니다. 이를 통해 정확한 예측 및 더 나은 머신러닝 모델을 구축할 수 있습니다.