当期望一维数组时，传递了列向量y

我需要适应RandomForestRegressor的sklearn.ensemble。

forest = ensemble.RandomForestRegressor(**RF_tuned_parameters)
model = forest.fit(train_fold, train_y)
yhat = model.predict(test_fold)

该代码始终有效，直到我对数据进行了一些预处理（train_y）。错误消息显示：

DataConversionWarning：当期望1d数组时，传递了列向量y。请将y的形状更改为（n_samples，），例如使用ravel（）。

模型= forest.fit（train_fold，train_y）

以前train_y是一个Series，现在是numpy数组（它是列向量）。如果我应用train_y.ravel()，则它成为行向量，并且没有错误消息出现，通过预测步骤需要很长时间（实际上，它永远不会完成...）。

在RandomForestRegressor我发现的文档中，train_y应将其定义为“ y : array-like, shape = [n_samples] or [n_samples, n_outputs] 如何解决此问题的想法？”。

更改此行：

model = forest.fit(train_fold, train_y)

至：

model = forest.fit(train_fold, train_y.values.ravel())

编辑：

.values将给出数组中的值。（形状：[n，1）

.ravel 会将数组形状转换为（n，）

当我尝试训练KNN分类器时，我也遇到了这种情况。但似乎在警告不见了，我改变之后：
knn.fit(X_train,y_train)
以
knn.fit(X_train, np.ravel(y_train,order='C'))

在这行之前，我用过import numpy as np。

我有同样的问题。问题在于标签是按列格式的，而它却希望连续显示。用np.ravel()

knn.score(training_set, np.ravel(training_labels))

希望这能解决。

使用以下代码：

model = forest.fit(train_fold, train_y.ravel())

如果仍然像下面一样错误地打耳光？

Unknown label type: %r" % y

使用此代码：

y = train_y.ravel()
train_y = np.array(y).astype(int)
model = forest.fit(train_fold, train_y)

另一种方法是使用 ravel

model = forest.fit(train_fold, train_y.values.reshape(-1,))

使用neuraxle，您可以轻松解决此问题：

p = Pipeline([
   # expected outputs shape: (n, 1)
   OutputTransformerWrapper(NumpyRavel()), 
   # expected outputs shape: (n, )
   RandomForestRegressor(**RF_tuned_parameters)
])

p, outputs = p.fit_transform(data_inputs, expected_outputs)

Neuraxle是类似于sklearn的框架，用于深度学习项目中的超参数调整和AutoML！

format_train_y=[]
for n in train_y:
    format_train_y.append(n[0])

Y = y.values [：，0]

Y-formated_train_y

y-train_y