python - KNN - 在 python 中预测单个案例

Question

我正在使用 Kaggle 的数据集 - 心血管疾病 Dataset 。模型已经过训练，我想要做的是标记单个输入(一行 13 个值)以动态方式插入。

数据集的形状为 13 个特征 + 1 个目标，66k 行

#prepare dataset for train and test
dfCardio = load_csv("cleanCardio.csv")
y = dfCardio['cardio']
x = dfCardio.drop('cardio',axis = 1, inplace=False)
model = knn = KNeighborsClassifier()
x_train,x_test, y_train, y_test = train_test_split(x,y,test_size=0.2,random_state=42)
model.fit(x_train, y_train)
# make predictions for test data
y_pred = model.predict(x_test)
predictions = [round(value) for value in y_pred]
# evaluate predictions
accuracy = accuracy_score(y_test, predictions)
print("Accuracy: %.2f%%" % (accuracy * 100.0))

ML 经过训练，我想做的是预测这一行的标签:

['69','1','151','22','37','0','65','140','90','2','1','0','0','1']

为目标返回 0 或 1。所以我写了这段代码:

import numpy as np
import pandas as pd
single =  np.array(['69','1','151','22','37','0','65','140','90','2','1','0','0','1'])
singledf = pd.DataFrame(single)
final=singledf.transpose()
prediction = model.predict(final)
print(prediction)

但它给出错误:查询数据维度必须与训练数据维度匹配

如何修复单行标签？为什么我无法预测单个病例？

Answer 1

数据集中的每个实例都有 13 个特征和 1 个标签。

x = dfCardio.drop('cardio',axis = 1, inplace=False)

代码中的这一行删除了我认为是数据中的标签列，只留下 (13) 个特征列。

您尝试预测的特征向量有 14 个元素长。您只能预测长度为 13 个元素的特征向量，因为这是模型训练的内容。