Scikit SVM錯誤：X.shape [1] = 1應該等於2

我試圖用Scikit來訓練2個叫做x1和x2的特徵。這兩個陣列的形狀是(490,1)。爲了將一個X自變量傳入clf.fit(X,y)，我使用了np.concatenate來產生陣列形狀(490,2)。標籤數組由1和0組成，形狀爲(490,)。代碼如下所示：顯示Scikit SVM錯誤：X.shape [1] = 1應該等於2

x1 = int_x # previously defined array shape (490,1) 
x2 = int_x2 # previously defined array shape (490,1) 
y=np.ravel(close) # where close is composed of 1's and 0's shape (490,1) 
X,y = np.concatenate((x1[:-1],x2[:-1]),axis=1), y[:-1] #train on all datapoints except last 
clf = SVC() 
clf.fit(X,y)

以下錯誤：

X.shape[1] = 1 should be equal to 2, the number of features at training time

我不明白的是爲什麼會出現這種消息，即使當我檢查X的形狀，它確實是2而不是1.我原本只有一個功能，clf.fit(X,y)運行良好，所以我傾向於認爲np.concatenate產生了一些不適合的東西。任何建議都會很棒。

來源

2016-08-31 ColeS

很難說沒有int_x,int_x2和close的具體值。事實上，如果我嘗試用int_x，int_x2和close隨機構造

import numpy as np 
from sklearn.svm import SVC 

int_x = np.random.normal(size=(490,1)) 
int_x2 = np.random.normal(size=(490,1)) 
close = np.random.randint(2, size=(490,))

這符合您的規格，那麼你的代碼工作。因此，錯誤可能與您構造int_x，int_x2和close時的方式相同。

如果您認爲問題不存在，請您分享一個最小可重現的例子，具體值爲int_x，int_x2和close？

來源

2016-08-31 15:57:45 JARS

我剛剛嘗試過使用與上面相同的方法，但收到相同的錯誤。你能提供你的代碼的其餘部分，從上面產生一個成功的結果嗎？ – ColeS

我想我明白我的代碼出了什麼問題。

首先，我已創建的另一個變量，說x該定義的int_x和int_x2級聯和形狀是：（490,2），其是相同的形狀close。這在稍後派上用場。

接下來，clf.fit(X,y)本身沒有錯誤。但是，我沒有正確制定我的預測代碼。例如，我說：clf.predict([close[-1]])希望捕獲二進制目標輸出（0或1）。傳入此方法的參數不正確。它應該是clf.predict([x[-1]])，因爲該算法預測特徵位置處的標籤而不是其他方式。由於變量x現在與close形狀相同，因此clf.predict([x[-1]])的結果應產生close[-1]的預測結果。

來源

2016-08-31 17:00:23 ColeS

Scikit SVM錯誤：X.shape [1] = 1應該等於2

回答

相關問題