Numpy ValueError:使用决策树序列设置数组元素,其中所有行的元素相等?
我试图将决策树与特征和标签矩阵相匹配。这是我的密码:Numpy ValueError:使用决策树序列设置数组元素,其中所有行的元素相等?,numpy,matrix,machine-learning,scikit-learn,decision-tree,Numpy,Matrix,Machine Learning,Scikit Learn,Decision Tree,我试图将决策树与特征和标签矩阵相匹配。这是我的密码: print FEATURES_DATA[0] print "" print TARGET[0] print "" print np.unique(list(map(len, FEATURES_DATA[0]))) 这将提供以下输出: [ array([[3, 3, 3, ..., 7, 7, 7], [3, 3, 3, ..., 7, 7, 7], [3, 3, 3, ..., 7, 7, 7],
print FEATURES_DATA[0]
print ""
print TARGET[0]
print ""
print np.unique(list(map(len, FEATURES_DATA[0])))
这将提供以下输出:
[ array([[3, 3, 3, ..., 7, 7, 7],
[3, 3, 3, ..., 7, 7, 7],
[3, 3, 3, ..., 7, 7, 7],
...,
[2, 2, 2, ..., 6, 6, 6],
[2, 2, 2, ..., 6, 6, 6],
[2, 2, 2, ..., 6, 6, 6]], dtype=uint8)]
[ array([[31],
[31],
[31],
...,
[22],
[22],
[22]], dtype=uint8)]
[463511]
该矩阵实际上包含463511个样本
此后,我运行以下块:
from sklearn.tree import DecisionTreeClassifier
for i in xrange(5):
Xtrain=FEATURES_DATA[i]
Ytrain=TARGET[i]
clf=DecisionTreeClassifier()
clf.fit(Xtrain,Ytrain)
这给了我以下错误:
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-4-3d8b2a7a3e5f> in <module>()
4 Ytrain=TARGET[i]
5 clf=DecisionTreeClassifier()
----> 6 clf.fit(Xtrain,Ytrain)
C:\Users\singhg2\AppData\Local\Enthought\Canopy\User\lib\site-packages\sklearn\tree\tree.pyc in fit(self, X, y, sample_weight, check_input, X_idx_sorted)
152 random_state = check_random_state(self.random_state)
153 if check_input:
--> 154 X = check_array(X, dtype=DTYPE, accept_sparse="csc")
155 if issparse(X):
156 X.sort_indices()
C:\Users\singhg2\AppData\Local\Enthought\Canopy\User\lib\site-packages\sklearn\utils\validation.pyc in check_array(array, accept_sparse, dtype, order, copy, force_all_finite, ensure_2d, allow_nd, ensure_min_samples, ensure_min_features, warn_on_dtype, estimator)
371 force_all_finite)
372 else:
--> 373 array = np.array(array, dtype=dtype, order=order, copy=copy)
374
375 if ensure_2d:
ValueError: setting an array element with a sequence.
我搜索了SO上的其他帖子,发现大多数答案都是矩阵不是完全的数字,或者数组在样本长度上有所不同。但是,我的问题不是这样吗
有什么帮助吗?如果打印功能\u数据[0]
实际打印
[ array([[3, 3, 3, ..., 7, 7, 7],
[3, 3, 3, ..., 7, 7, 7],
[3, 3, 3, ..., 7, 7, 7],
...,
[2, 2, 2, ..., 6, 6, 6],
[2, 2, 2, ..., 6, 6, 6],
[2, 2, 2, ..., 6, 6, 6]], dtype=uint8)]
那么问题是FEATURES_DATA[0]是一个python列表,其中包含一个numpy数组。您可以从[和]
您可以选择列表的第一个也是唯一一个元素来修复它
from sklearn.tree import DecisionTreeClassifier
for i in xrange(5):
Xtrain=FEATURES_DATA[i][0]
Ytrain=TARGET[i][0]
clf=DecisionTreeClassifier()
clf.fit(Xtrain,Ytrain)
如果打印特征为\u数据[0]
实际打印
[ array([[3, 3, 3, ..., 7, 7, 7],
[3, 3, 3, ..., 7, 7, 7],
[3, 3, 3, ..., 7, 7, 7],
...,
[2, 2, 2, ..., 6, 6, 6],
[2, 2, 2, ..., 6, 6, 6],
[2, 2, 2, ..., 6, 6, 6]], dtype=uint8)]
那么问题是FEATURES_DATA[0]是一个python列表,其中包含一个numpy数组。您可以从[和]
您可以选择列表的第一个也是唯一一个元素来修复它
from sklearn.tree import DecisionTreeClassifier
for i in xrange(5):
Xtrain=FEATURES_DATA[i][0]
Ytrain=TARGET[i][0]
clf=DecisionTreeClassifier()
clf.fit(Xtrain,Ytrain)
这确实解决了问题。但如何扩大培训规模?e、 g.这一行的内容:Xtrain=Xtrain.appendFEATURES_DATA[i][0]如果您只想将Xtrain的大小增加一倍,则可以使用重复项填充它,您可以执行Xtrain=numpy.concatenateExtrain,Xtrain不会将大小增加一倍,而是希望Xtrain随着每次迭代而增长。因此,对于第一次迭代,它应该是FEATURES_DATA[i][0],但是对于第二次迭代,它应该是FEATURES_DATA[i][0]和FEATURES_DATA[i][1]连接在一起。我尝试了串联,但它给了我一个错误,根据打印输出功能,只有长度为1的数组才能转换为Python标量。\u数据[0][1]不存在,应该会引发异常。你能提供特征的形状和数据吗?尝试打印np.asarrayFEATURES_DATA.shapeI获得以下输出:6L,1L这确实解决了问题。但如何扩大培训规模?e、 g.这一行的内容:Xtrain=Xtrain.appendFEATURES_DATA[i][0]如果您只想将Xtrain的大小增加一倍,则可以使用重复项填充它,您可以执行Xtrain=numpy.concatenateExtrain,Xtrain不会将大小增加一倍,而是希望Xtrain随着每次迭代而增长。因此,对于第一次迭代,它应该是FEATURES_DATA[i][0],但是对于第二次迭代,它应该是FEATURES_DATA[i][0]和FEATURES_DATA[i][1]连接在一起。我尝试了串联,但它给了我一个错误,根据打印输出功能,只有长度为1的数组才能转换为Python标量。\u数据[0][1]不存在,应该会引发异常。你能提供特征的形状和数据吗?尝试打印np.asarrayFEATURES\u DATA.shapeI获得以下输出:6L,1L