程序员最近都爱上了这个网站  程序员们快来瞅瞅吧！  it98k网:it98k.com

我尝试在 python 中的一个数据集上实现泊松回归。之后我想引导数据集以增加样本量。但是当我使用 spicy 的 bootstrap 函数时，我得到了一个错误，说

百分位数必须在 [0, 100] 范围内。

任何人都可以帮助如何在此数据集上执行引导程序？这是我的代码：

df = pd.read_csv('/content/ships.txt',sep='\s+')
df.to_csv('/content/ship2.csv',index=None)
data = pd.read_csv('/content/ship2.csv',skiprows=1,sep=',',names=['type','construction','operation','months','damage'])
dat = pd.get_dummies(data)
data_boot = bootstrap(dat,np.mean, n_resamples=100)

# ValueError: Percentiles must be in the range [0, 100]

解决方案

据我了解你的观点，你想通过复制它们的子样本来增加数据量（通常它不是数据科学中最好的，你完全应该考虑使用过采样方法，比如 SMOTE）。由于您的问题是重复的，我建议您对数据集进行采样并将结果连接到初始 df。这是执行此操作的代码

data1 = pd.read_csv('/content/ship2.csv',skiprows=1,sep=',',names=['type','construction','operation','months','damage'])
data2 = data1.sample(frac=0.1) # if you want to select a fraction, otherwise consider to substitute the "frac" parameter with "n"
data = pd.concat([data1, data2], axis=1)
data = data.sample(frac=1) # if you want to shuffle the increased dataset