Question

我对一般的机器学习和特定的scikit-learn都很陌生。

我正在尝试使用网站http://scikit-learn.org/stable/tutorial/basic/tutorial.html

上提供的示例

对于我自己的练习，我使用自己的数据集。我的数据集分为两个不同的CSV文件：

Train_data.csv （包含 32列，最后一列是输出值。）

Test_data.csv （包含 31列输出列丢失 - 应该是这种情况，不是吗？）

测试数据比训练数据少一列..

我使用以下代码学习（使用训练数据）然后预测（使用测试数据）。

我面临的问题是错误：

*ValueError: X.shape[1] = 31 should be equal to 29, the number of features at training time*

这是我的代码（抱歉，如果它看起来完全错误:(）

import pandas as pd #import the library
from sklearn import svm 

mydata = pd.read_csv("Train - Copy.csv") #I read my training data set
target = mydata["Desired"]  #my csv has header row, and the output label column is named "Desired"
data = mydata.ix[:,:-3] #select all but the last column as data


clf = svm.SVC(gamma=0.001, C=100.) #Code from the URL above
clf.fit(data,target)  #Code from the URL above 

test_data = pd.read_csv("test.csv") #I read my test data set. Without the output column 

clf.predict(test_data[-1:]) #Code from the URL above

训练数据csv标签看起来像这样：

值1，值，值3，值4，输出的

测试数据csv标签看起来像这样：

值1，值，值3，值4。

谢谢：）

Answer 1

您的问题是监督问题，您有一些数据（输入，输出）。

输入是描述您的示例的功能，输出是您的模型应该根据输入做出响应的预测。

在您的训练数据中，您的csv文件中还会有一个属性，因为为了训练您的模型，您需要给他输出。

带有监督问题的sklearn中的常规工作流程应该如下所示

X, Y = read_data(data)
n = len(X)
X_train, X_test = X[:n*0.8], X[n*0.8:]
Y_train, Y_test = Y[:n*0.8], Y[n*0.8:]

model.fit(X_train,Y_train)
model.score(X_test, Y_test)

要拆分数据，您可以使用train_test_split，并且可以使用多个metrics来判断模型的效果。

您应该检查数据的形状

data.shape

您似乎没有将最后3列而不是最后一列记入帐户。请尝试改为：

data = mydata.ix[:,:-1]

ValueError Scikit学习。模型的特征数量不匹配输入

1 个答案: