在sklearn中对1D数组使用x.重塑

Question

我尝试使用sklearn来使用一个简单的决策树分类器，它抱怨使用1D数组现在被弃用了，必须使用x .重塑(1，-1)。所以我做了，但是它把我的标签列表变成了一个只有一个元素的列表列表，所以标签和样本的数量现在不匹配了。换句话说，我的标签列表=[0,0,1,1]变成了[[0 0 1 1]]。由于

这是我使用的简单代码:

from sklearn import tree
import numpy as np
features =[[140,1],[130,1],[150,0],[170,0]]
labels=[0,0,1,1]
labels = np.array(labels).reshape(1,-1)
clf = tree.DecisionTreeClassifier()
clf = clf.fit(features,labels)
print clf.predict([150,0])

Answer 1

你在重塑错误的东西。重塑你所预测的数据，而不是你的标签。

>>> clf.predict(np.array([150,0]).reshape(1,-1))
array([1])

你的标签必须与你的训练数据(特征)对齐，所以两个数组的长度应该是相同的。如果标签是重塑的，你是对的，它是一个长度为1的列表的列表，不等于你的特征的长度。

你必须重塑你的测试数据，因为预测需要一个看起来像训练数据的数组。也就是说，每个索引都需要是一个训练样本，具有与训练中相同数量的特征。您将看到以下两个命令分别返回一个列表的列表和一个列表。

>>> np.array([150,0]).reshape(1,-1)
array([[150,   0]])
>>> np.array([150,0])
array([150,   0])