Блог

Я прочитал все предыдущие связанные с этим вопросы и ответы здесь об этой ошибке, возникающей при использовании случайного леса с отсутствием бесконечных значений в наборе данных. Перепробовал все возможности, ни одна не работает. Это мой код:

 merge_df.head()
Out[21]: 
                         high       low     close  ...  month  day  hour
timestamp                                          ...                  
2020-11-13 17:00:00  0.004434 -0.005691  0.004348  ...     11   13    17
2020-11-13 18:00:00  0.002759 -0.002144  0.002122  ...     11   13    18
2020-11-13 19:00:00  0.005888 -0.001588  0.002965  ...     11   13    19
2020-11-13 20:00:00  0.000000 -0.008531 -0.008235  ...     11   13    20
2020-11-13 21:00:00  0.005195 -0.000362  0.004067  ...     11   13    21

[5 rows x 50 columns]

# Prepare training/test DataFrames. 
train_end = pd.to_datetime('2021/04/10 12:00:00')
test_start = pd.to_datetime('2021/04/10 13:00:00')
target = 'next'

train_df = merge_df.loc[:train_end]
test_df = merge_df.loc[test_start:] 

X_train = train_df.copy().drop(target, axis=1).values
X_test = test_df.copy().drop(target, axis=1).values
y_train = train_df[target].values
y_test = test_df[target].values
X_train[:] = np.nan_to_num(X_train)

# Perform grid search for hyperparameters. 
def Grid_Search_CV_RFR(X_train, y_train):
    reg = RandomForestRegressor()
    param_grid = { 
            "n_estimators"      : [10,50,100,500],
            "max_features"      : ["auto", "sqrt", "log2"],
            "min_samples_leaf" : [1,5,10,20]
            }

    tss_splits = TimeSeriesSplit(n_splits=10).split(X_train)
    grid = GridSearchCV(reg, param_grid, cv=tss_splits, verbose=0)
    #grid = GridSearchCV(reg, param_grid, cv=3, verbose=0)

    grid.fit(X_train, y_train)

    return grid.best_score_ , grid.best_params_

best_score, best_params = Grid_Search_CV_RFR(X_train, y_train)

mf = best_params['max_features']
msl = best_params['min_samples_leaf']
ne = best_params['n_estimators']

# Fit RFR with best parameters from grid search.
rfr = RandomForestRegressor(n_estimators=ne, max_features=mf, min_samples_leaf=msl, random_state=10)
rfr.fit(X_train, y_train)

 

Когда я запускаю функцию поиска наилучших параметров, она выдает:

 ValueError: Input contains NaN, infinity or a value too large for dtype('float32').
 

Есть какие-нибудь предложения?

Похоже, что некоторые из ваших наборов данных содержат, как следует из исключения, значения NaN или бесконечности. Я заметил, что вы ссылаетесь np.nan_to_num только на свой набор данных поездов X_train . Возможно, вам захочется добавить X_test[:] = np.nan_to_num(X_test) перед запуском поиска по сетке.

Вы также можете проверить наличие Hans, запустив train_df.isnull().sum() программу, которая подсчитывает нулевые значения в каждом столбце, помогая вам отлаживать ваши данные. Вы также можете (или, возможно, обработать) любой столбец типа datetime .

Нашел решение, у меня не было пропущенных значений, кроме бесконечных, и решил с помощью этого:

 train_df[train_df==np.inf]=np.nan

train_df.fillna(train_df.mean(), inplace=True)