Python Scikit学习'；s DecisionTreeClassifier'；s拟合方法给出的值错误：cand'；t将输入阵列从形状（10,35）广播到形状（10）

因此，我试图建立一个决策树，我的目标是数组[0,1]（二进制“否”或“是”），我的输入训练集是三维数组，第一个元素都是“否”示例（10），每个元素有35个特征，与“是”相同。但我一直在犯这个错误

    file1 = open(file1.txt) # examples of 'No' class
    file2 = open(file2.txt) # examples of 'Yes' class
    x = vectorizer.fit_transform(file1)
    y = vectorizer.fit_transform(file2)    

    x_array = x.toarray()    
    y_array = y.toarray()    


    x_train, x_test, y_train, y_test = train_test_split(x_array, y_array, 
    test_size=0.2)    
    target = [0, 1] # 0 encoded as 'No' and 1 as 'Yes
    train = [x_train, y_train]

    decisiontree = DecisionTreeClassifier(random_state=0, max_depth=5)
    decisiontree = decisiontree.fit(train, target)    

谢谢你的帮助

编辑：我正在从一个txt文件加载数据，它是文本数据，我已经尝试打印数组的某些部分，现在就是了

[[0 0 0 ... 0 0 0]    
 [0 0 0 ... 0 0 0]     
 [0 0 0 ... 0 0 0]     
 [0 0 0 ... 0 0 0]]    

---

我认为原因是您对

decisiontree.fit

中的fit方法感到困惑

对于

decisiontree.fit（X，Y）

，它希望

X

是数据点，

Y

是标签。也就是说，如果

X

具有形状

nx32

，则

Y

应具有形状

N

（其中

N

是数据点的数量）

您应该将

x_数组

和

y_数组

组合为整个数据集，将其拆分，并使用相应的标签执行

fit

考虑以下几点：

#来自sklearn.model_选择导入列车_测试_分割
#从sklearn.tree导入DecisionTreeClassifier
将numpy作为np导入
file1=打开（file1.txt）
file2=打开（file2.txt）
x=矢量器。拟合_变换（文件1）
y=矢量器。拟合_变换（文件2）
x_数组=x.toarray（）
y_数组=y.toarray（）
# ------------------------------------------------------------
#把正面和反面的例子结合起来
数据=np。连接（[x_数组，y_数组]，轴=0）
#创建相应的标签（基于数据的长度）
labels=np.concatenate（[np.zero（x_array.shape[0]），
np.ones（y_数组.shape[0]），轴=0）
#分为列车和测试集
列车数据、测试数据、列车标签、测试标签=列车测试拆分(
数据、标签、测试（尺寸=0.2）
decisiontree=DecisionTreeClassifier（随机状态=0，最大深度=5）
decisiontree=decisiontree.fit（列车数据、列车标签）
# ------------------------------------------------------------
#这就是使用测试集测试模型性能的方法
正确的预测=np.count\u非零(
decisiontree.predict（测试数据）=测试标签
)
打印（“测试集中的正确预测：{}/{}”）。格式（正确的预测，
测试（U标签形状[0]））

上传更多显示火车和目标阵列的代码。此外，您的数据集样本这可能不是唯一的问题，但

decisiontree=decisiontree.fit（train，target）

应该是

decisiontree=decisiontree.fit（x\u train，y\u train）

@Max Power x\u train和y\u train是“否”和“是”类的示例。目标是否应该是[0，1]，0编码为“否”，1编码为“是”？如果

目标是
[0,1]
，并且您将其作为第二个参数传递给
fit
方法，sklearn将其解释为“我们正在训练两个记录/行，第一个记录/行的基本真值为0，第二个记录/行的基本真值为1
。但我很确定这不是您想要的，因为您似乎有两行以上的数据。另外，传递给
fit`的第一个参数应该是单个二维形状数组（num_记录、num_特征），而不是两个不同数组的列表。不过，更一般的建议是，为了在堆栈溢出时获得最佳结果，应该发布一个最小值，可复制的示例，包括创建一些示例数据以运行您尝试调试的代码的代码。这里没有人拥有您的
file1.txt
，因此在它真正工作之前，没有人可以运行您的代码对其进行迭代。有关如何使用示例数据编写良好完整的最小示例的示例，请参见此处：