Python-minirocket ZeroDivisionError
本帖最后由 125404629 于 2023-10-10 17:40 编辑求助大神！
深度学习MiniRocket 报错！ QQ8065559062，如能解决必有重谢
发生异常: ZeroDivisionError
division by zero
File "D:\0000可见光2\程序\MiniRocket\from sktime.transformations.panel.py", line 20, in <module>
X_train_trans = minirocket.fit_transform(X_train)
ZeroDivisionError: division by zero
数据请联系QQ
import numpy as np
import pandas as pd
from keras.utils import to_categorical
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score
from sktime.transformations.panel.rocket import MiniRocketMultivariate
df1 = pd.read_csv("train1.csv")
df1 = np.array(df1)
X = df1[:, 1:891]# 对数据进行增维并转化为32为
Y = df1[:, 0]
print(X.shape, Y.shape)
X_train, X_val, y_train, y_val = train_test_split(X, Y, test_size=0.8, random_state=42)
# Apply MINIROCKET transformation (feature extraction) to train and test data
minirocket = MiniRocketMultivariate(num_kernels=10, random_state=42)
#minirocket = MiniRocket()
X_train_trans = minirocket.fit_transform(X_train)
X_val_trans= minirocket.fit_transform(X_val)
print(X_train_trans.shape, X_val_trans.shape)
print(2)
# Train a linear classifier (Logistic Regression) on the transformed training data
classifier = LogisticRegression(max_iter=1000, random_state=42)
classifier.fit(X_train_trans, y_train)
print(3)
y_train_pre = classifier.predict_proba(X_train_trans)
accuracy_cal = accuracy_score(y_train, y_train_pre)
print(f'Calibration Accuracy: {accuracy_cal * 100:.2f}%')
print(4) 这个报错是因为在MiniRocketMultivariate.fit_transform()方法中，有一个除法运算，分母为0，导致了ZeroDivisionError异常。可以将num_kernels的值调整为一个较小的数，比如2，来避免这个问题。同时，建议在X_train和X_val上分别进行fit_transform()，因为这两个数据集可能有不同的特征分布。
修改后的代码如下：
import numpy as np
import pandas as pd
from keras.utils import to_categorical
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score
from sktime.transformations.panel.rocket import MiniRocketMultivariate
df1 = pd.read_csv("train1.csv")
df1 = np.array(df1)
X = df1[:, 1:891]
Y = df1[:, 0]
print(X.shape, Y.shape)
X_train, X_val, y_train, y_val = train_test_split(X, Y, test_size=0.8, random_state=42)
# Apply MINIROCKET transformation (feature extraction) to train and test data
minirocket = MiniRocketMultivariate(num_kernels=2, random_state=42)
X_train_trans = minirocket.fit_transform(X_train)
X_val_trans= minirocket.fit_transform(X_val)
print(X_train_trans.shape, X_val_trans.shape)
# Train a linear classifier (Logistic Regression) on the transformed training data
classifier = LogisticRegression(max_iter=1000, random_state=42)
classifier.fit(X_train_trans, y_train)
y_train_pre = classifier.predict_proba(X_train_trans)
accuracy_cal = accuracy_score(y_train, y_train_pre.argmax(axis=1))
print(f'Calibration Accuracy: {accuracy_cal * 100:.2f}%')
希望能够帮到你！ 根据您提供的代码和错误信息，问题可能出现在以下几个方面：
1. 零除错误（ZeroDivisionError）一般是由于代码中存在除数为零的情况导致的。请检查您的代码中是否存在该情况。具体到您的代码，可以查看 MiniRocketMultivariate 的实现细节，看是否在内部进行了除法计算，并检查除数是否可能为零。如果可能为零，请确保在计算之前进行适当的条件判断，避免除数为零的情况发生。
2. 数据处理错误：在您的代码中，您从文件中读取数据并将其转换为数组。请确保读取的数据没有缺失值或异常值，并且数据类型正确。这可能会导致后续计算出现错误。
3. 数据维度不匹配：您在训练集和验证集上使用了不同的数据转换器 minirocket.fit_transform。请确认两者的数据维度是否一致。如果维度不匹配，可能会导致转换时出现错误。
综上所述，您可以按照以下步骤来解决问题：
1. 检查代码中是否存在除数为零的情况，并进行适当的条件判断。
2. 确保读取的数据没有缺失值或异常值，并且数据类型正确。
3. 检查训练集和验证集的数据维度是否一致。
希望能对您有所帮助！如有进一步问题，请随时提问。
球一个最佳答案谢谢啦！这对我非常重要！{:10_254:}{:10_254:}{:10_254:} isdkz 发表于 2023-10-10 15:29
这个报错是因为在MiniRocketMultivariate.fit_transform()方法中，有一个除法运算，分母为0，导致了ZeroDiv ...
还是错误，数据为pan.baidu.com/s/1QEl9KaUjf9nOQo8JexmWPw?pwd=1111 Mike_python小 发表于 2023-10-10 15:30
根据您提供的代码和错误信息，问题可能出现在以下几个方面：
1. 零除错误（ZeroDivisionError）一般是由于 ...
还没有解决，数据为pan.baidu.com/s/1QEl9KaUjf9nOQo8JexmWPw?pwd=1111 {:10_269:}
页:
[1]