Python脚本中的错误“预期的二维数组，而不是一维数组：”？

Question

我正在按照 本教程 进行此 ML 预测：

 import numpy as np
import matplotlib.pyplot as plt
from matplotlib import style

style.use("ggplot")
from sklearn import svm

x = [1, 5, 1.5, 8, 1, 9]
y = [2, 8, 1.8, 8, 0.6, 11]

plt.scatter(x,y)
plt.show()

X = np.array([[1,2],
             [5,8],
             [1.5,1.8],
             [8,8],
             [1,0.6],
             [9,11]])

y = [0,1,0,1,0,1]
X.reshape(1, -1)

clf = svm.SVC(kernel='linear', C = 1.0)
clf.fit(X,y)

print(clf.predict([0.58,0.76]))

我正在使用 Python 3.6，但出现错误“预期 2D 数组，得到 1D 数组：”我认为该脚本适用于旧版本，但我不知道如何将其转换为 3.6 版本。

已经尝试过：

 X.reshape(1, -1)

原文由 JonTargaryen 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

您应该只提供具有相同二维数组的 predict 方法，但需要处理一个（或多个）值。简而言之，您可以替换

[0.58,0.76]

和

[[0.58,0.76]]

它应该工作。

编辑：这个答案变得流行，所以我想我会添加更多关于 ML 的解释。简短版本：我们只能在与训练数据（ X ）具有相同维度的数据上使用 predict 。

在有问题的示例中，我们在 X 中给计算机一堆行（每个有 2 个值），然后我们在 y 中显示正确的响应。当我们想要 predict 使用新值时，我们的程序期望相同 - 一堆 行。即使我们只想对一行（具有两个值）执行此操作，该行也必须是另一个数组的一部分。

原文由 Ofer Sadan 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

当您在数组 [0.58,0.76] 上运行预测时会出现问题。通过在调用 predict() 之前重塑它来解决问题：

 import numpy as np
import matplotlib.pyplot as plt
from matplotlib import style

style.use("ggplot")
from sklearn import svm

x = [1, 5, 1.5, 8, 1, 9]
y = [2, 8, 1.8, 8, 0.6, 11]

plt.scatter(x,y)
plt.show()

X = np.array([[1,2],
             [5,8],
             [1.5,1.8],
             [8,8],
             [1,0.6],
             [9,11]])

y = [0,1,0,1,0,1]

clf = svm.SVC(kernel='linear', C = 1.0)
clf.fit(X,y)

test = np.array([0.58, 0.76])
print test       # Produces: [ 0.58  0.76]
print test.shape # Produces: (2,) meaning 2 rows, 1 col

test = test.reshape(1, -1)
print test       # Produces: [[ 0.58  0.76]]
print test.shape # Produces (1, 2) meaning 1 row, 2 cols

print(clf.predict(test)) # Produces [0], as expected

原文由 stackoverflowuser2010 发布，翻译遵循 CC BY-SA 3.0 许可协议