1

我正在尝试对时间序列数据进行分类，并遇到了 sktime，它提供了许多可用于对时间序列进行分类的算法。

但是，我只设法让 RandomIntervalSpectralForest 运行。所有其他算法都给我以下错误：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
~\AppData\Local\Temp/ipykernel_17944/639170790.py in <module>
     12     cboss_params={"n_parameter_samples": 25, "max_ensemble_size": 5},
     13 )
---> 14 clf.fit(X_sk, y)

~\anaconda3\lib\site-packages\pandas\core\series.py in __init__(self, data, index, dtype, name, copy, fastpath)
    353             name = ibase.maybe_extract_name(name, data, type(self))
    354 
--> 355             if is_empty_data(data) and dtype is None:
    356                 # gh-17261
    357                 warnings.warn(

~\anaconda3\lib\site-packages\pandas\core\construction.py in is_empty_data(data)
    794     is_none = data is None
    795     is_list_like_without_dtype = is_list_like(data) and not hasattr(data, "dtype")
--> 796     is_simple_empty = is_list_like_without_dtype and not data
    797     return is_none or is_simple_empty
    798 

~\anaconda3\lib\site-packages\pandas\core\generic.py in __nonzero__(self)
   1535     @final
   1536     def __nonzero__(self):
-> 1537         raise ValueError(
   1538             f"The truth value of a {type(self).__name__} is ambiguous. "
   1539             "Use a.empty, a.bool(), a.item(), a.any() or a.all()."

ValueError: The truth value of a DataFrame is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

我首先尝试运行的代码采用普通 csv 并将其转换为 pandas 数据框，其中行用于观察，列作为时间点。然后我正在使用 sktime 的实用程序函数将此数据帧转换为 sktime 可以使用并嵌套的数据帧： X_sk = from_2d_array_to_nested(X) 如果我现在正在运行：

from sktime.classification.hybrid import HIVECOTEV2
hc2 = HIVECOTEV2()
hc2.fit(X_sk, pd.Series(y))

我收到上述错误。然而，RandomIntervalSpectralForest 使用完全相同的数据集运行。我已经将https://www.sktime.org/en/stable/api_reference/auto_generated/sktime.classification.hybrid.HIVECOTEV1.html上给出的示例代码和数据集与我的数据集进行了比较，找不到任何区别。示例代码为我运行，但我不知道为什么我的代码不运行。

我正在尝试使用另一个数据集重新创建问题，并在我有一个工作示例后编辑该帖子。

4

0 回答 0