蟒蛇SciKit学习;SVM;形状不匹配

Question

我有40000个资产的时间序列。我把数据分为训练数据和目标数据。训练数据有119天的回报，目标数据有59天。我故意把它分成这样。

列车：（119列返回，40000个不同系列）目标：（59行退货，相同的40000系列）

我运行了以下代码来拟合模型：

SVR_model = svm.SVR(kernel='rbf',C=100,gamma=.001).fit(t_train_scale.transpose(), t_test.transpose())
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-185-2a0fd827e2a4> in <module>()
      1 
      2 
----> 3 SVR_model = svm.SVR(kernel='rbf',C=100,gamma=.001).fit(t_train_scale.transpose(), t_test.transpose())
C:UsersnnayyarAnacondalibsite-packagessklearnsvmbase.pyc in fit(self, X, y, sample_weight)
    174 
    175         seed = rnd.randint(np.iinfo('i').max)
--> 176         fit(X, y, sample_weight, solver_type, kernel, random_seed=seed)
    177         # see comment on the other call to np.iinfo in this file
    178 
C:UsersnnayyarAnacondalibsite-packagessklearnsvmbase.pyc in _dense_fit(self, X, y, sample_weight, solver_type, kernel, random_seed)
    229                 cache_size=self.cache_size, coef0=self.coef0,
    230                 gamma=self._gamma, epsilon=self.epsilon,
--> 231                 max_iter=self.max_iter, random_seed=random_seed)
    232 
    233         self._warn_from_fit_status()
C:UsersnnayyarAnacondalibsite-packagessklearnsvmlibsvm.pyd in sklearn.svm.libsvm.fit (sklearnsvmlibsvm.c:1864)()
ValueError: Buffer has wrong number of dimensions (expected 1, got 2)

从研究中，我发现使用SVM最常见的答案是形状必须"匹配"，但我如何将SVM与各种大小的数据拟合？

编辑：仍然需要一些帮助，我如何预测成千上万的预测，而不仅仅是下一个1？

Answer 1

问题出在fit调用中的第二个参数上。

正如根据文档所述，第二个参数需要是n个样本的数组，其中n是实例数，等于作为第一个参数（X）传递的矩阵的行数。

拟合（X，y，sample_weight=无）

X:{类阵列，稀疏矩阵}，形状（n_samples，n_features）

y：阵列状，形状（n_samples）

因此，如果第一个参数的大小为40.000 x 119（因为您对其进行了转置），那么第二个参数需要是大小为40.000 x 1的数组。

但是，根据错误判断，您的第二个参数可能有超过1列（即2列）。