ValueError:在默认判定上使用 sklearn 时样本数不一致

Question

我正在读取.csv文件中的列作为 sklearn 朴素贝叶斯适合的输入。但是，我遇到了这些错误和警告：

弃用警告：将一维数组作为数据传递在 0.17 中被弃用，并将在 0.19 中引发 ValueError。如果数据具有单个特征，则使用 X.reshape（-1， 1） 重塑数据，如果包含单个样本，则使用 X.reshape（1， -1） 重塑数据。

和

值错误： 发现样本数不一致的数组： [ 1 10509]

这是我的代码：

clf = GaussianNB()
columns = defaultdict(list)
with open('file.CSV', 'rb') as f:
    reader = csv.reader(f)
    for row in reader:
        for(i, v) in enumerate(row):
            columns[i].append(v)
clf.fit(columns[9], columns[10])

请注意，len（columns[

9]）和len（columns[10]）都是10509

正如警告所暗示的那样，我尝试了很多不同的 reshape（）、flatten（）、ravel（） 组合，也尝试使用 numpy 数组，但似乎没有任何效果。

有什么建议吗？似乎大多数人都在使用默认字典以外的某种数据结构，但我不确定如何使用其他数据结构从.csv读取

Answer 1

我找到了解决问题的方法。似乎问题不在于塑造数据结构，而在于将其设置为数字类型而不是字符串类型。

x = np.array(columns[9]).reshape(len(columns[10]), 1).astype(np.float)
y = np.array(columns[10])
clf.fit(x, y)