学习Titanic中遇到的一些问题及解决方法（如Glyph 20917，as_matrix()，reshape(-1, 1)，got l1 penalty）

原本代码源自：https://blog.youkuaiyun.com/han_xiaoyang/article/details/49797143

那些因为版本问题出现的错误

1原本代码：

import matplotlib.pyplot as plt
fig = plt.figure()
fig.set(alpha=0.2)  # 设定图表颜色alpha参数

….

error:

RuntimeWarning: Glyph 20917 missing from current font.

  font.set_text(s, 0, flags=flags)

Solution:添加字体类型

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签
plt.rcParams['axes.unicode_minus']=False
fig = plt.figure()
fig.set(alpha=0.2)  # 设定图表颜色alpha参数

….

2原本代码：

def set_missing_ages(df):
    # 把已有的数值型特征取出来丢进Random Forest Regressor中
    age_df = df[['Age', 'Fare', 'Parch', 'SibSp', 'Pclass']]

    # 乘客分成已知年龄和未知年龄两部分
    known_age = age_df[age_df.Age.notnull()].as_matrix()
    unknown_age = age_df[age_df.Age.isnull()].as_matrix()  
    # y即目标年龄
….

error:

AttributeError: 'DataFrame' object has no attribute 'as_matrix'

Solution: #原本的pandas使用df.as_matrix() 改成现在的pandas应该使用df.values()

def set_missing_ages(df):
    # 把已有的数值型特征取出来丢进Random Forest Regressor中
    age_df = df[['Age', 'Fare', 'Parch', 'SibSp', 'Pclass']]

    # 乘客分成已知年龄和未知年龄两部分#  
    known_age = age_df[age_df.Age.notnull()].values
    unknown_age = age_df[age_df.Age.isnull()].values#现在的pandas是使用df.values()

    # y即目标年龄
    y = known_age[:, 0]

….

注：文中的所有df.as_matrix()均改成df.values()

3原本代码：

import sklearn.preprocessing as preprocessing
scaler = preprocessing.StandardScaler()
age_scale_param = scaler.fit(df['Age'])
df['Age_scaled'] = scaler.fit_transform(df['Age'], age_scale_param)
fare_scale_param = scaler.fit(df['Fare'])
df['Fare_scaled'] = scaler.fit_transform(df['Fare'], fare_scale_param)
df

….

error:

Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

Solution: 数据归一出现的reshape问题

import sklearn.preprocessing as preprocessing
scaler = preprocessing.StandardScaler()
age_scale_param = scaler.fit(df['Age'].values.reshape(-1, 1))
df['Age_scaled'] = scaler.fit_transform(df['Age'].values.reshape(-1, 1), age_scale_param)
fare_scale_param = scaler.fit(df['Fare'].values.reshape(-1, 1))
df['Fare_scaled'] = scaler.fit_transform(df['Fare'].values.reshape(-1, 1), fare_scale_param)

….

4原本代码：

# fit到RandomForestRegressor之中
clf = linear_model.LogisticRegression(C=1.0, penalty='l1', tol=1e-6)
clf.fit(X, y)
clf

….

error:

ValueError: Solver lbfgs supports only 'l2' or 'none' penalties, got l1 penalty.

Solution: 解决办法源自：https://blog.youkuaiyun.com/qq_22592457/article/details/103504796

# fit到RandomForestRegressor之中
clf = linear_model.LogisticRegression(C=1.0, penalty='l1', tol=1e-6,solver='liblinear')
clf.fit(X, y)
clf

….

第一次写类似这样的博文，不知道会不会冒犯原著，但是希望能帮到大家，一起努力学习机器学习，学习kaggle~