scikit-learn：如何使用不同的功能对数据序列和数据测试进行分类？

Question

我的数据训练：3个功能（永久数据）

我的数据测试：它每次都会更改（2个功能或1个功能），在我的示例代码中它现在有2个功能。

我想用不同的功能进行分类，因为它是一个不同的维度。我怎样才能做到这一点？在我的代码下面：

def classify(a):
    xtrain = np.loadtxt(open("el.csv","rb"), delimiter=",", usecols= (0,1,2), skiprows=1)
    print xtrain
    >>[[ -56.  -82. -110.]  
       [-110. -110. -110.]  
       [ -58. -110.  -79.]  
       [ -56. -110. -110.]  
       [ -57.  -83. -110.]  
       [ -63. -110. -110.]  
       [-110. -110. -110.]]

    ytrain = np.loadtxt(open("el.csv","rb"), delimiter=",", usecols= (3,), dtype=int, skiprows=1)   
    print ytrain
    >>[1 1 2 2 3 3 4]       

    xtest = np.asarray(a)
    xtest = xtest.reshape([1,-1])
    print xtest
    >>[['-83' '-56']]

    knn = neighbors.KNeighborsClassifier(n_neighbors=7, weights='distance') #Fuzzy K-Nearest Neighbor
    knn.fit(xtrain, ytrain)

    results = knn.predict(xtest)
    print results

错误是：

  

ValueError：X和Y矩阵的维度不兼容：X.shape [1] ==   2，而Y.shape [1] == 3

Answer 1

首先，让我们生成一些列车和测试数据：

import numpy as np
xtrain = np.asarray([[ -56.,  -82., -110.],
                     [-110., -110., -110.],
                     [ -58., -110.,  -79.],
                     [ -56., -110., -110.],
                     [ -57.,  -83., -110.],
                     [ -63., -110., -110.],
                     [-110., -110., -110.]], dtype='float')
ytrain = np.asarray([1, 1, 2, 2, 3, 3, 4], dtype='int')

现在您必须使用整数键创建字典knns。键 n 对应的值是ak最近邻分类器，它使用仅使用的第一个 n 功能进行训练培训数据。

from sklearn.neighbors import KNeighborsClassifier
knns = {}
for n_feats in range(1, xtrain.shape[-1] + 1):
    knns[n_feats] = KNeighborsClassifier(n_neighbors=7, weights='distance')
    knns[n_feats].fit(xtrain[:, :n_feats], ytrain)

classify函数应该使用两个参数，即测试数据和分类字典。通过这种方式，您可以确保分类由使用与测试数据完全相同的特征进行训练的分类器执行（并丢弃其他分类器）：

def classify(test_data, classifiers):
    """Classify test_data using classifiers[n], which is the classifier
    trained with the first n features of test_data
    """
    X = np.asarray(test_data, dtype='float')
    n_feats = X.shape[-1]
    return classifiers[n_feats].predict(X)

演示（注意测试数据必须是数字而不是字符串）：

In [107]: xtest1 = [[-83, -56]]

In [108]: classify(xtest1, knns)
Out[108]: array([3])

In [109]: xtest2 = [[ -52],
     ...:           [-108],
     ...:           [ -71]]
     ...: 

In [110]: classify(xtest2, knns)
Out[110]: array([2, 1, 3])

In [111]: xtest3 = [[-122,  -87,  -94],
     ...:           [-136,  -99, -107]]
     ...: 

In [112]: classify(xtest3, knns)
Out[112]: array([1, 1])

Answer 2

目前，sklearn模型不处理测试集中的缺失值。您可以维护多个模型（针对不同功能进行培训），并针对您要预测的每种类型的数据使用适当的模型。 另一个选项是为没有所有功能的实例填充缺失值。