使用map作为Random Forest分类器输入时遇TypeError问题求助

你遇到的这个TypeError问题根源很清晰——在Python3环境下，map()函数返回的是迭代器对象，而非直接的数值列表，而sklearn的模型需要接收数值型的列表/数组作为特征输入，直接把迭代器存入X和test_X后，后续处理时会尝试将迭代器转换为float，自然就触发了错误。

问题定位 #

你代码里的这两处是核心问题点：

X.append(map(float, tokens[0:NUM_PCA]))
test_X.append(map(float, tokens[0:NUM_PCA]))

直接将map()的返回值（迭代器）添加到特征列表中，模型无法识别这种类型的数据。

修复方案 #

只需要把map()的结果转换成列表即可，用list()包裹住map调用：

修改后的完整代码如下：

count = 0
for line in lines:
    tokens = line.strip().split(",")
    if count < TRAINING_SIZE:
        X.append(list(map(float, tokens[0:NUM_PCA])))  # 转换为列表
        if CLASSIFICATION_TYPE == 2:
            y.append(int(tokens[len(tokens)-1]))
        elif int(tokens[len(tokens)-1]) == 1:
            y.append(0)
        else:
            y.append(1)
        count += 1
    else:
        test_X.append(list(map(float, tokens[0:NUM_PCA])))  # 转换为列表
        if CLASSIFICATION_TYPE == 2:
            test_y.append(int(tokens[len(tokens)-1]))
        elif int(tokens[len(tokens)-1]) == 1:
            test_y.append(0)
        else:
            test_y.append(1)

clf = RandomForestClassifier(n_estimators=10, max_depth=None, min_samples_split=1, random_state=0)
clf.fit(X,y)
train_predictions = clf.predict(X)
test_predictions = clf.predict(test_X)

可选替代写法 #

你也可以用列表推导式替代map()，写法更直观，效果完全一致：

# 替换map调用行
X.append([float(x) for x in tokens[0:NUM_PCA]])

修改后，X和test_X就会存储纯数值的列表，sklearn的RandomForestClassifier就能正常处理这些特征数据了。

内容的提问来源于stack exchange，提问作者H.H