Python 3.x 决策树准确度；ValueError：找到样本数不一致的输入变量；

我试图用给定的数据创建一个决策树。但由于某种原因，

准确度\u评分

给出

ValueError:找到样本数不一致的输入变量：

当我将培训数据拆分为验证（%20）和培训（%80）时

以下是我如何分割数据的：

from sklearn.utils import shuffle

from sklearn.model_selection import train_test_split

# stDt shuffled training set

stDt = shuffle(tDt) 

#divide shuffled training set to training and validation set

stDt, vtDt = train_test_split(stDt,train_size=0.8, shuffle=False)

print(tDt.shape)
print(stDt.shape)
print(vtDt.shape)

以下是我如何训练数据：

#attibutes and labels of training set

attributesT =  stDt.values

labelsT = stDt.label


# Train Decision tree classifiers
from sklearn.tree import DecisionTreeClassifier


dtree1 = DecisionTreeClassifier(min_samples_split = 1.0)

dtree2 = DecisionTreeClassifier(min_samples_split = 3)

dtree3 = DecisionTreeClassifier(min_samples_split = 5)



fited1 = dtree1.fit(attributesT,labelsT)

fited2 = dtree2.fit(attributesT,labelsT)

fited3 = dtree3.fit(attributesT,labelsT)

以下是测试和准确度评分部分：

from sklearn.metrics import accuracy_score

ret1 = fited1.predict(stDt)

ret2 = fited2.predict(stDt)

ret3 = fited3.predict(stDt)

print(accuracy_score(vtDt.label,ret1))

---

由于您试图将从训练集（

ret1=fited1.predict（stDt）

）生成的预测与验证集的标签（

vtDt.label

）进行比较，因此可能会出现错误

以下是获得您的

fitted1

模型的培训和验证准确性的正确方法（其他模型也一样）：

---

在不显示图形输出的情况下包含图形的打印命令，这到底有什么意义？其中，这里发布的代码应该是最小的。符号“%20”和“%80”也是非常不幸的，事实上，您使用的是

scikit-learn

，而不是

sklearn-pandas

（标记已更正）。。。

# predictions on the training set:
ret1 = fitted1.predict(stDt)

# training accuracy:
accuracy_score(stDt.label,ret1)

# predictions on the validation set:
pred1 = fitted1.predict(vtDt)

# validation accuracy:
accuracy_score(vtDt.label,pred1)