Sklearn抱怨一列数据框

Question

请考虑以下最小示例：

from time import sleep  # To (try to) get warnings printed at the right places

import pandas as pd
from sklearn.neural_network import MLPClassifier
from sklearn.dummy import DummyClassifier

df = pd.DataFrame([[1, 1, 1, 1], [0, 0, 0, 0]])
mlp = MLPClassifier(tol=10)
dummy = DummyClassifier(strategy='uniform')

for size in [1, 2]:

    input_columns = [0, 1]
    output_columns = [j + 2 for j in range(size)]

    print('Dimension of output: ', len(output_columns))  # Is 1 or 2

    X = df[input_columns]
    Y = df[output_columns]

    print('MLPClassifier')
    mlp.fit(X, Y)
    sleep(3)

    print('DummyClassifier')
    dummy.fit(X, Y)
    sleep(3)

    print('\n\n\n')

[在第一次迭代中，在MLPClassifier的训练过程中，Sklearn抱怨：

lib / python3.6 / site-packages / sklearn / neural_network / _multilayer_perceptron.py：934：DataConversionWarning：当期望使用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（）。y = column_or_1d（y，warn = True）

第二次迭代运行良好。 DummyClassifier（dummy.fit）在两个迭代中都运行良好。

错误是因为我试图将单列数据帧（Y）发送到mlp.fit。它不会在第二次迭代中发生，其中Y是一个两列数据帧。

问题是：对于MLPClassifier，如何将数据正确传递给fit？我已经知道我可以做Y = Y.values.ravel()，当数据帧是一列时它可以工作，但是对于两列数据帧则不起作用。我正在寻找一种一致的方法来解决任何数量的列。

Answer 1