python - 您如何形成数据以在 scikit 学习决策树中制作一个包含 n 个特征和 n 个样本的数组？

Question

我是 scikit learn 的新手，我正在尝试训练一个分类器来预测给定特定输入最有可能的汽车类型:

我的数据是这样的:

18.0 8 307.0 130.0 3504. 12.0 70 1 雪佛兰

15.0 8 350.0 165.0 3693. 11.5 70 1 别克

18.0 8 318.0 150.0 3436. 11.0 70 1 普利茅斯

17.0 8 302.0 140.0 3449. 10.5 70 1 福特都灵

15.0 8 429.0 198.0 4341. 10.0 70 1 福特银河 500

14.0 8 454.0 220.0 4354. 9.0 70 1 雪佛兰黑斑羚

14.0 8 440.0 215.0 4312. 8.5 70 1 普利茅斯之怒 iii

其中每一列数据都是汽车的一个特定特征:mpg、汽缸、马力、加速度等。

我以数字形式表示汽车:

    cars = [0, 1, 2, 3, 3, 0, 2]

其中 0 = 雪佛兰，1 = 别克等

这是我的程序代码:

    data = np.loadtxt("my_data")

    mpg = data[:,0]
    cylinders = data[:,1]
    displacement = data[:,2]
    horsepower = data[:,3]
    weight = data[:,4]
    acceleration = data[:,5]
    modelyear = data[:,6]
    origin = data[:,7]


    X = [mpg, cylinders, displacement, horsepower, weight, 
    acceleration,   acceleration, modelyear, origin]

    car_type = [1, 2, 3, 2, 6, 1, 0, 2, 5, 4, 2, 0, 3, 3, 2, 1, 0]
    clf = tree.DecisionTreeClassifier()
    clf.fit(X, car_type)

但是当我尝试运行它时，出现了这个错误:

   Traceback (most recent call last):
   File "scikitlearn_practice.py", line 21, in <module>
   clf.fit(X, car_type)
   File "/Library/Python/2.7/site-packages/sklearn/tree/tree.py",   
   line 739, in fit
   X_idx_sorted=X_idx_sorted)
   File "/Library/Python/2.7/site-packages/sklearn/tree/tree.py", line 
   240, in fit
   "number of samples=%d" % (len(y), n_samples))
   ValueError: Number of labels=17 does not match number of samples=8

如何修复此错误，使标签与样本数量相匹配？

谢谢

Answer 1

您的 X 声明有问题。如文档中所述，X 的形状必须为 [n_samples, n_features]，而在您的代码中，您拥有的是一个形状为 [n_features, n_samples] 的数组，即 [[18.0,15.0,...,14.0]， [8,8,...,8],...,[1,1,...,1]]。

您实际上需要的是一个数组，其中每一行描述一个样本，即 [[18.0,8,307.0,130.0,3504.,12.0,70,1],...,[14.0,8,440.0,215.0,4312., 8.5,70,1]]。这已经是您的数据数组中的内容。

使用这些信息，您可以重写代码:

X = np.loadtxt("my_data")

car_type = [1, 2, 3, 2, 6, 1, 0, 2, 5, 4, 2, 0, 3, 3, 2, 1, 0]
clf = tree.DecisionTreeClassifier()
clf.fit(X, car_type)

但是，执行这段代码仍然会报错， 标签数=17 与样本数=7 不匹配

这是因为您的标签数组包含 17 个标签(对应 17 个对应样本)，而您的样本数组仅包含 7 个样本(即 7 辆汽车的特征描述)。

car_type 数组应包含与 X 数组中的样本一样多的标签，因此错误出在您的数据中。

我不知道 car_types 应该是什么，但是您的 cars 数组包含 7 个样本并且似乎与您在 my_data 中的数据相对应，所以也许你要做的是:

X = np.loadtxt("my_data")
cars = [0, 1, 2, 3, 3, 0, 2] 
clf = tree.DecisionTreeClassifier()
clf.fit(X, cars)

这样一来，我就能够用您的数据拟合模型。希望对您有所帮助。