如何爲陣列的每個特徵繪製精度條

Question

我有一個數據集「x」及其標籤向量「y」。我想在應用NaiveBayes和交叉驗證之後繪製每個屬性的準確性（對於每個「x」列）。我想要一個條形圖。 所以最後我需要有3個小節，因爲「x」有3列。分類必須運行3次。每種功能有3種不同的精度。

每當執行我的代碼它顯示：
ValueError異常：與樣品的不一致數實測值數組：[1 3] DeprecationWarning：傳遞作爲數據在0.17棄用，在0.19 willraise ValueError異常1D陣列。如果數據具有單個特徵，則使用X.reshape（-1，1）重新整形數據，如果數據包含單個特徵，則使用X.reshape（1，-1）重整數據。

我在做什麼錯？

import matplotlib.pyplot as plt 
    import numpy as np 
    from sklearn import cross_validation 
    from sklearn.naive_bayes import GaussianNB 
    clf = GaussianNB() 

    x = np.array([[0, 0.51, 0.00101], [3, 0.54, 0.00105], [6, 0.57, 0.00108], [9, 0.60, 0.00111], [1, 0.73, 0.00114], [5, 0.76, 0.00117], [8, 0.89, 120]]) 
    y = np.array([1, 0, 0, 1, 1, 1, 0]) 

    scores = list() 
    scores_std = list() 
    for i in range(x.shape[1]): 
    xA=x[:, i] 
    scoresKF2 = cross_validation.cross_val_score(clf, xA, y, cv=2) 
    scores.append(np.mean(scoresKF2)) 
    scores_std.append(np.std(scoresKF2)) 
    plt.bar(x[:,i], scores) 

plt.show() 

Answer 1

檢查輸入數據，xA的形狀，我們表明，它是一維 - 具體而言，它是(7,)形狀。正如警告告訴我們的，你不允許在這裏傳入1d數組。在返回的警告中解決此問題的關鍵如果數據具有單個要素，則使用X.reshape（-1，1）或在包含單個樣本的情況下使用X.reshape（1，-1）重整數據 。因此，由於它只是一個功能，因此請執行xA = x[:,i].reshape(-1, 1)而不是xA = x[:,i]。

我認爲繪圖還有另外一個問題。我不完全確定你期望看到什麼，但你應該用plt.bar(i, np.mean(scoresKF2))替換plt.bar(x[:,i], scores)。