Python 2.7 python中的K-最近邻
我的数据包含一个维度和一个类标签。我想在上面运行KNN 我的数据是这样的Python 2.7 python中的K-最近邻,python-2.7,machine-learning,knn,Python 2.7,Machine Learning,Knn,我的数据包含一个维度和一个类标签。我想在上面运行KNN 我的数据是这样的 feature Label 0.70436073 1 0.91564351 1 0.9931506 1 2.26418779 0 我做了下面的操作,结果出错了。我从错误中了解到,无法识别列车的数据类型,但我不知道如何修复它。请帮忙 >>> train = [ 0.70436073, 0.91564351, 0.9931506, 2.26418
feature Label
0.70436073 1
0.91564351 1
0.9931506 1
2.26418779 0
我做了下面的操作,结果出错了。我从错误中了解到,无法识别列车的数据类型,但我不知道如何修复它。请帮忙
>>> train = [ 0.70436073, 0.91564351, 0.9931506, 2.26418779]
>>> train
[0.70436073, 0.91564351, 0.9931506, 2.26418779]
>>> label = ['1','1','1','0']
>>> from sklearn.neighbors import KNeighborsClassifier
>>> knn = KNeighborsClassifier()
>>> knn.fit(train, label)
Traceback (most recent call last):
File "<pyshell#26>", line 1, in <module>
knn.fit(train, label)
File "C:\Python27\lib\site-packages\sklearn\neighbors\base.py", line 586, in fit
return self._fit(X)
File "C:\Python27\lib\site-packages\sklearn\neighbors\base.py", line 126, in _fit
raise ValueError("data type not understood")
ValueError: data type not understood
列车=[0.70436073,0.91564351,0.9931506,2.26418779]
>>>训练
[0.70436073, 0.91564351, 0.9931506, 2.26418779]
>>>标签=['1'、'1'、'1'、'0']
>>>从sklearn.neighbors导入KNeighborsClassifier
>>>knn=KNeighborsClassifier()
>>>knn.配合(列车、标签)
回溯(最近一次呼叫最后一次):
文件“”,第1行,在
knn.配合(列车、标签)
文件“C:\Python27\lib\site packages\sklearn\neights\base.py”,第586行,在fit中
返回自适配(X)
文件“C:\Python27\lib\site packages\sklearn\neights\base.py”,第126行,在_-fit中
raise VALUERROR(“数据类型未理解”)
ValueError:无法理解数据类型
这个错误消息很糟糕,你应该给那些家伙发邮件,让他们修复它,但无论如何。。。上的示例非常清楚:fit()的第一个参数是列表列表,而不是数字列表。此外,第二个参数必须是“整数值数组”,但您已经编写了一个字符串数组。首先需要使用
np.array
将列表转换为数组。然后重塑阵列,因为数据只有一个特征。请遵循以下代码:
import numpy as np
train = np.array([[ 0.70436073, 0.91564351, 0.9931506, 2.26418779]])
train_1 = train.reshape(-1, 1)
label = np.array([['1','1','1','0']])
label_1 = label.reshape(-1,1)
from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier()
knn.fit(train_1, label_1)
谢谢,现在我明白了<代码>>>序列=[[0.7043607250604991],[0.9156435124135893],[0.9931506043228762],[2.264187785208016]>标签=[1,1,1,0]
>从sklearn.com导入Kneighbors分类器
>knn=Kneighbors分类器()
>knn.fit(序列,标签)