Csv 我不知道'；不理解scikit中的X_列Y_列I/O学习？

我一直在尝试使用Scikit神经网络的mlp（多层感知）来训练一个模型，用于说话人识别

我有一个名为“mfcc_kushal.csv”的csv文件，它由13列（13个特征）和1201行（每个帧）组成。这些是我自己的语音信号的特点

如果我尝试将此作为一个阵列，我的X_系列将有1201个13行的样本。现在我的Y_序列基本上是一个二进制输出，简单地说是我还是不是。 但是有一个错误，说X和Y中的样本不一样

图书馆告诉我使用1201个类，而不是两个。我错过了什么吗。我认为我没有得到实施

我的代码： 下面的输出显示了它所说的内容。我还打印了数据列和其中的行数。ndarray是针对同一语音信号的1201个不同帧的单个人的MFCC

输出：

---

大家好，欢迎来到Stack Overflow，请阅读如何创建，并花些时间了解一下您在这里的道路（以及赢得您的第一个徽章）。另外，请将您的输出添加为文本，而不是图像，以便其他用户可以更好地帮助您。您的问题是什么？我的问题是？我做错了什么？我没有得到的是什么？

import csv
import numpy as np
from sknn.mlp import Classifier, Layer

def csv_extractor(csv_file):
    with open(csv_file,'r') as dest_f:
        data_iter = csv.reader(dest_f,
                               delimiter = ',')
        data = [data for data in data_iter]
    feat = np.asarray(data, dtype = None)
    feat = feat.astype(np.float)
return feat
feat = csv_extractor('mfcc_kushal.csv')
print(feat)
print(feat.shape[0])

#NN modeling
y_train = np.arange(2)
NN = Classifier(layers =[Layer("Sigmoid", units = 100), Layer("Softmax")],
                learning_rate = 0.001,
                n_iter = 500 )
NN.fit(feat,y_train)