Недопустимая ошибка формы при использовании Knn Classfier

Ниже приведены переменные формы X и Y:

X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.33, random_state=42)

## Output for shapes 
X_train.shape  = (970, 298) 
X_test.shape   = (478, 298)
len(y_train)   =  970
len(y_test)    =  478

Теперь я назначаю классификатор Multi-output из Knn:

knn = KNeighborsClassifier(n_neighbors=3)
classifier = MultiOutputClassifier(knn, n_jobs=-1)
classifier.fit(X_train,y_train)

predictions = classifier.predict(X_test)
print classifier.score(y_test,predictions)

Когда я пытаюсь запустить это, я получаю следующую ошибку:

ValueError: Incompatible dimension for X and Y matrices: X.shape[1] == 3 while Y.shape[1] == 298

Теперь я могу понять, что ошибка связана с формой переменных, может быть, я смешиваю их при разделении для обучения или тестирования.

Пробовал искать, но безрезультатно, в чем я ошибаюсь?

Образец:

X = (0, 96) 0.24328157992528274
(0, 191)    0.4086854706249901
(0, 279)    0.3597892480519696
(0, 209)    0.6262243704015803
(0, 287)    0.15142673105175225
(0, 44) 0.2839334104854308
(0, 31) 0.27493029497336746
(0, 62) 0.2702778021025414

Y  =[1252, 12607, 12596], [12480, 12544, 12547], [1252, 12607, 12547], [12480, 12607, 12547], [12480, 12607, 12596], [1252, 12607, 12547], [12480, 12544, 12547], [1252, 12607, 12596], [1252, 12607, 12596], [12480, 12544, 12547], [12480, 12607, 12596]

Почему вы используете классификатор с несколькими выходами, когда ваши обучающие и тестовые данные имеют только один выход в ваших y векторах? Возможно, вы путаете мультивывод с мультиклассовым выводом?

— 10.04.2019 08:25

это предыдущий вопрос, который я разместил stackoverflow.com/questions/55489792/…, пожалуйста, просмотрите это

— 10.04.2019 08:27

Не могли бы вы предоставить образец ваших данных X и Y?

— 10.04.2019 08:32

сделано, пожалуйста, проверьте редактирование

— 10.04.2019 08:47

python machine-learning scikit-learn classification knn

10.04.2019 07:04

Почему в Python есть оператор "pass"?

Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.

Некоторые методы, о которых вы не знали, что они существуют в Python

Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...

Основы Python Часть I

Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?

LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа

Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:

Оптимизация кода с помощью тернарного оператора Python

И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это

Советы по эффективной веб-разработке с помощью Python

Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.

111

Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

От Documentation:

Returns the mean accuracy on the given test data and labels.

In multi-label classification, this is the subset accuracy which is a harsh metric since you require for each sample that each label set be correctly predicted.

Parameters: 
X : array-like, shape = (n_samples, n_features)
Test samples.

y : array-like, shape = (n_samples) or (n_samples, n_outputs)
True labels for X.

sample_weight : array-like, shape = [n_samples], optional
Sample weights.

Returns:    
score : float
Mean accuracy of self.predict(X) wrt. y

Следовательно, вам нужно дать X, y для функции оценки, а не y_true и y_pred

Пытаться:

print classifier.score(X_test, np.array(y_test))

Я получаю это: AttributeError: если y.ndim == 1: объект «список» не имеет атрибута «ndim»

— 10.04.2019 08:46

10.04.2019 08:42

Другие вопросы по теме

Есть ли другая альтернатива для получения ImageView и преобразования его в растровое изображение для классификации изображений в Android?

Как выполнить GridSearchCV с перекрестной проверкой в python

Как я могу решить «Ошибку значения», в которой говорится, что не удалось преобразовать строку в число с плавающей запятой: «D»?

Какие ресурсы я должен изучить, чтобы рассчитать размер моего ядра?

«ValueError: не удалось преобразовать строку в число с плавающей запятой» при использовании OneHotEncoder для машинного обучения

Как применить один полносвязный слой к каждой точке изображения

REST GET Design для дополнительного параметра функции

Как исправить ошибку сэмплов <K-neighbours при передискретизации с помощью SMOTE?

Как предотвратить переоснащение машины повышения градиента?

Как выполнить SMOTE с перекрестной проверкой в sklearn в python

Недопустимая ошибка формы при использовании Knn Classfier

Ответы 1

Другие вопросы по теме

Похожие вопросы