使用DecisionTreeClassifier报错ValueError: setting an array element with a sequence

问题背景 #

自学机器学习时，编写代码读取含列表、嵌套列表及整数字段的CSV数据，转换格式后调用model.fit(X_train, y_train)触发ValueError，已确认数据集维度为2维，但无法定位问题根源。

代码实现 #

import ast
import csv
import pandas as pd
import numpy as np
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

data = pd.read_csv('datos_actualizadosPipes.csv', delimiter=";")

#data['nombreCaballo'] = data['nombreCaballo'].apply(lambda x: ast.literal_eval(x))
d=data['nombreCaballo'].apply(ast.literal_eval).tolist()
data['nombreCaballo']=d
data['fuerza']=data['fuerza'].apply(ast.literal_eval).tolist()
data['premios']=data['premios'].apply(ast.literal_eval).tolist()
data['5Carreras']=data['5Carreras'].apply(ast.literal_eval).tolist()
data['porcentaje']=data['porcentaje'].apply(ast.literal_eval).tolist()
data['multiplicador']=data['multiplicador'].apply(ast.literal_eval).tolist()

data['ganadorNom']=data['ganadorNom'].apply(ast.literal_eval).tolist()
data['segundo_puestoNom']=data['segundo_puestoNom'].apply(ast.literal_eval).tolist()

nc = np.asarray(data['nombreCaballo'])
f = np.asarray(data['fuerza'])
p = np.asarray(data['premios'])
c = np.asarray(data['5Carreras'])
po= np.asarray(data['porcentaje'])
m = np.asarray(data['multiplicador'])

ga= np.asarray(data['ganadorNom'])
seg = np.asarray(data['segundo_puestoNom'])

#df=csv.reader('datos_actualizados.csv', dialect='excel')

X = data[['numeroCarrera', 'porcentaje']]
X['nombreCaballo']=nc
X['fuerza']=f
X['premios']=p
X['5Carreras']=c
#X['multiplicador']=m
X['porcentaje']=po
X['multiplicador']=m

y = data[['ganadorNum', 'segundo_puestoNum']]#,'tercerPuesto','cuartoPuesto','quintoPuesto','sextoPuesto']]
y['ganadorNom']=ga
y['segundo_puestoNom']=seg
#print(data['nombreCaballo'])

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.8, random_state=42)

print(X_train)
print(y_train)
print(X_test)
print(y_test)

print(X_train.ndim  )
print(y_train.ndim )
print(X_test.ndim  )
print(y_test.ndim )

model = DecisionTreeClassifier(random_state=42)
model.fit(X_train, y_train)

y_pred = model.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print(f'Precisión del modelo: {accuracy}')

new_data = pd.DataFrame({})
predictions = model.predict(new_data)
print(predictions)

报错信息 #

Exception has occurred: ValueError
setting an array element with a sequence.
  File "C:\Users\Malelizarazo\OneDrive - Universidad de los Andes\U\Cosas random\python\Caballos\hjk.py", line 68, in <module>
    model.fit(X_train, y_train)
ValueError: setting an array element with a sequence.

数据输出情况 #

• X_train输出：

  numeroCarrera  ...
  multiplicador 3            149  ...  [50.5, 29.9, 26.9, 5.0, 4.5,
  193.7, 226.4, 41....
  

• y_train输出：

  ganadorNum  ...                                  segundo_puestoNom
  3           6  ...  [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, ...
  [1 rows x 4 columns]
  

• X_test输出：

  numeroCarrera  ...
  multiplicador 0            145  ...  [43.5, 11.8, 8.2, 8.2, 11.5,
  60.3, 41.6, 41.7,... 1            146  ...  [19.9, 14.6, 16.4, 15.3, 14.6, 15.1, 17.0, 15.... 5            153  ...  [4.8, 53.5, 28.1, 27.2, 3.9, 48.7, 25.6, 24.8,... 2            148  ...  [50.0, 295.6, 71.4, 63.7, 59.0, 27.6, 6.7, 6.0... 4            151  ...  [74.9, 51.6, 69.4, 51.7, 352.0, 7.1, 9.5, 7.2,...
  [5 rows x 7 columns]
  

• y_test输出：

  ganadorNum  ...                                  segundo_puestoNom
  0           5  ...  [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, ...
  1           4  ...  [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, ...
  5           6  ...  [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 1.0, ...
  2           5  ...  [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, ...
  4           3  ...  [0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, ...
  [5 rows x 4 columns]
  

• 维度输出：2 2 2 2

请求 #

恳请帮忙定位并解决该问题。

内容的提问来源于stack exchange，提问作者Malelizarazo