Python 将数据集划分为培训和测试后，将标签转换为指标矩阵

将Y转换为指示器矩阵效果良好：

file = 'dataset.csv'    
X, Y = readFile(file)
N = len(Y)
T = np.zeros((N, K)) 
for i in range(N):
    T[i, Y[i]] = 1 

但当我在分成训练和测试之后做同样的事情时，就像这样：我会出错

X, Y = shuffle(X, Y)
Ntrain = int(0.7*len(X))
Xtrain, Ytrain = X[:Ntrain], Y[:Ntrain]
Xtest, Ytest = X[Ntrain:], Y[Ntrain:]
N1 = len(Ytrain)
T1 = np.zeros((N1, K))  
for i in range(N1):
    T1[i, Ytrain[i]] = 1 

它在最后一行显示错误：T1[i，Ytrain[i]]=1，哪里出错了？ K是类的数量=9

print(np.unique(Y))
print(np.unique(Ytrain))

上述打印声明给出：

[0 1 2 3 4 5 6 7 8]
[0 1 2 3 4 5 6 7 8]

---

T1的大小为N1*K，您试图在索引Ytrain[i]处设置该值。如果Ytrain[i]>=K，那么您将得到一个键错误

更新：

for i in range(N1):
    print(i)
    T1[i, Ytrain[i]] = 1

这个问题得到了解决： 不知何故，Ytrain并没有任何指数。因此，我将Ytrain转换为熊猫系列：

data = np.array(Ytrain)
Ytrain1 = pd.Series(data)
N1 = len(Ytrain1)
T1 = np.zeros((N1, K))
for i in range(N1): 
   print(i, Ytrain1[i]) # Prints fine 
   T1[i, Ytrain1[i]] = 1 

---

什么是NTrain？NTrain=int（0.7*len（X））我知道。知道什么数字

int（0.7*len（X））

yieldstrain等于774。Xtrain的形状是（774，12）和Ytrain（774，）打印

Ytrain

并用输出编辑您的问题Y和Ytrain中的唯一值都是[0 1 2 3 4 5 6 7 8]，那么为什么这个错误只出现在Ytrain而不是Y的情况下，您知道吗？k的值是多少？另外，为了帮助调试并找到确切的问题，您可以查看我回答中的更新，这很奇怪。Ytrain有一个索引，因为它有形状（774，）。小心点，很高兴它现在对你有用！