的Python： 「ValueError異常：設置與一個序列的陣列元素」 使用sklearn

Question

時，這是行：

---

from sklearn import tree 


X = [[181,80,44], [177, 70, 43], [160, 60, 38], 154, 54, 37], 
[166,64,40], [190,90,47], [175,64,39],[177,70,40],[159,55,37], 
[171,75,42],[181,85,43] 

Y = ['male', 'female', 'female', 'female', 'male', 'male', 'male', 
'female', 'male', 'female', 'male'] 

clf = tree.DecisionTreeClassifier() 

clf = clf.fit(X,Y) 

prediction = clf.predict([[182,78,43]]) 

print (prediction) 

---

結果：

Traceback (most recent call last): 


File "C:\Python\code\test.py", line 14, in <module> 
clf = clf.fit(X,Y) 
File "C:\Python\lib\site-packages\sklearn\tree\tree.py", line 790, in fit 
X_idx_sorted=X_idx_sorted) 
File "C:\Python\lib\site-packages\sklearn\tree\tree.py", line 116, in fit 
X = check_array(X, dtype=DTYPE, accept_sparse="csc") 
File "C:\Python\lib\site-packages\sklearn\utils\validation.py", line 402, 

in check_array 
array = np.array(array, dtype=dtype, order=order, copy=copy) 
in check_array 
array = np.array(array, dtype=dtype, order=order, copy=copy) 
ValueError: setting an array element with a sequence. 
[Finished in 0.5s] 

---

預期結果：

應該顯示性別從身體測量預測："182,78,43"

實施例：男性或女性

運行與Python 3.6使用sklearn，numpy的+ MKL和SciPy的上升華。

該代碼最初來自：https://www.youtube.com/watch?v=T5pRlIbr6gg。 在整個YouTube的評論部分沒有答案。 欣賞如果答案可以在這裏找到，找不到任何答案。

Answer 1

如果這真的是你的代碼，問題就在從頭開始：

X = [[181,80,44], [177, 70, 43], [160, 60, 38], 154, 54, 37], 
[166,64,40], [190,90,47], [175,64,39],[177,70,40],[159,55,37], 
[171,75,42],[181,85,43] 

是創造一些很遠很遠被使用：

print(X) 
# ([[181, 80, 44], [177, 70, 43], [160, 60, 38], 154, 54, 37],) 

因此，有每個方位的一個支架（如果你不明白：閱讀sklearn關於數據格式的文檔：shape的二維數組（n_samples，n_features）;也可以閱讀一些關於numpy的介紹，這些詞的形狀來自於 - >內部一切都是numpy - 基於）：

X = [[181,80,44], [177, 70, 43], [160, 60, 38], [154, 54, 37], # before 154 
[166,64,40], [190,90,47], [175,64,39],[177,70,40],[159,55,37], 
[171,75,42],[181,85,43]]          # at end 

我不得不承認：這是應該馬上找到的東西，我不明白爲什麼有人會投入時間爲SO創建一個帖子，但不投入時間來檢查簡單數組創建的語法。爲了公平起見：我認爲它不會經過語法檢查（這是一個非常奇怪的結構）。爲了公平起見＃2：在這個鏈接的視頻中它真的很糟糕......我不確定該怎麼想（對於這項任務，使用DTree可能已經很瘋狂了，甚至LinearRegression似乎更可行）！

是的，代碼預測male之後，校正已完成如上！