将clf.fit与csv中的numpy数组一起使用

Question

我是Python初学者，最近学习了scikit learn。我正试图将csv中的数据导入numpy数组，然后对其运行clf.fit以"拟合"数据。我使用np.genfromttxt从csv导入数据。如果我的csv中没有列名，那么一切似乎都很好。但是，如果包含列名并使用names=TRUE，clf.fit将失败，并显示以下错误消息："ValueError:X和y的形状不兼容。X有1个样本，但y有420个。"我使用了两个csv文件——一个是数据，另一个是目标。数据文件包含420行（不包括列名）和约56列。目标文件包含420行（同样不包括列名）和1列。所有数据都是int/foat。

我已附上以下产出。我想知道为什么clf.fit的输出会根据numpy数组是否包含列名而变化。如果你需要更多信息，请告诉我。请注意，MLB_data1与MLB_data相同，但没有列名。对于MLB_ target1和MLB_。

名称为TRUE的代码和输出

import numpy as np
from sklearn import svm
mlb_data = np.genfromtxt("MLB_data.csv", dtype=float, delimiter=',', names=True)
mlb_target = np.genfromtxt("MLB_target.csv", dtype=float, delimiter=',', names=True)
clf = svm.SVC()
clf.fit(mlb_data, mlb_target)

输出：

---------------------------------------------------------------------------
ValueError Traceback（上次调用的最近一次）
在（）
6
7 clf＝svm。SVC（）
---->8 clf.fit（mlb_data，mlb_target）

C： \Users\Anand\Anaconda\lib\site-packages\sklearn\svm\base.pyc in fit（self，X，y，sample_weight）149引发ValueError（"X和y的形状不兼容。\n"+
150"X有%s个样本，但y有%s个。"%
-->151（X.shape[0]，y.shape[0]）
152153如果self.kernel=="预计算"且X.shape[0]！=X.shape[1]：

ValueError:X和y的形状不兼容
X有1个样本，但y有420个。

编码和名称输出=无

import numpy as np
from sklearn import svm
mlb_data = np.genfromtxt("MLB_data1.csv", dtype=float, delimiter=',', names=None)
mlb_target = np.genfromtxt("MLB_target1.csv", dtype=float, delimiter=',', names=None)
clf = svm.SVC()
clf.fit(mlb_data, mlb_target)

输出：

SVC（C=1.0，cache_size=200，class_weight=None，coeff0=0.0，degree=3，gamma=0.0，
kernel='rbf'，max_iter=-1，probability=False，random_state=None，
收缩=真，tol=0.001，verbose=假）

Answer 1

数据的有效形状不是您所期望的：添加打印语句，如print(mlb_data)、print(mlb_data.dtype)和print(mlb_data.shape)，以调试np.genfromtxt如何解析数据。

我怀疑，当您传递names=True时，您会得到一个1D记录数组，其中每一行都是结构化的。这不是scikit learn所期望的那种数据。scikit-learn总是想要具有浮点dtype的同质2D numpy数组。

Answer 2

要解决此错误，请使用：

 dataset = np.genfromtxt('file.csv', skip_header=1, delimiter=',', dtype=float)