python科学学习；支持向量机；形状不匹配_Python_Scikit Learn_Svm

python科学学习；支持向量机；形状不匹配

python scikit-learn

python科学学习；支持向量机；形状不匹配,python,scikit-learn,svm,Python,Scikit Learn,Svm,我有40000个资产的时间序列。我将数据分为训练数据和目标数据。培训数据返回时间为119天，目标数据返回时间为59天。我是故意这样分开的列车：（119行返回，40000个不同系列）目标：（59行退货，相同40000系列）我运行了以下代码以适应模型： SVR_model = svm.SVR(kernel='rbf',C=100,gamma=.001).fit(t_train_scale.transpose(), t_test.transpose()) --------------------

我有40000个资产的时间序列。我将数据分为训练数据和目标数据。培训数据返回时间为119天，目标数据返回时间为59天。我是故意这样分开的

列车：（119行返回，40000个不同系列）目标：（59行退货，相同40000系列）

我运行了以下代码以适应模型：

SVR_model = svm.SVR(kernel='rbf',C=100,gamma=.001).fit(t_train_scale.transpose(), t_test.transpose())
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-185-2a0fd827e2a4> in <module>()
      1 
      2 
----> 3 SVR_model = svm.SVR(kernel='rbf',C=100,gamma=.001).fit(t_train_scale.transpose(), t_test.transpose())

C:\Users\nnayyar\Anaconda\lib\site-packages\sklearn\svm\base.pyc in fit(self, X, y, sample_weight)
    174 
    175         seed = rnd.randint(np.iinfo('i').max)
--> 176         fit(X, y, sample_weight, solver_type, kernel, random_seed=seed)
    177         # see comment on the other call to np.iinfo in this file
    178 

C:\Users\nnayyar\Anaconda\lib\site-packages\sklearn\svm\base.pyc in _dense_fit(self, X, y, sample_weight, solver_type, kernel, random_seed)
    229                 cache_size=self.cache_size, coef0=self.coef0,
    230                 gamma=self._gamma, epsilon=self.epsilon,
--> 231                 max_iter=self.max_iter, random_seed=random_seed)
    232 
    233         self._warn_from_fit_status()

C:\Users\nnayyar\Anaconda\lib\site-packages\sklearn\svm\libsvm.pyd in sklearn.svm.libsvm.fit (sklearn\svm\libsvm.c:1864)()

ValueError: Buffer has wrong number of dimensions (expected 1, got 2)

SVR\u model=svm.SVR（kernel='rbf'，C=100，gamma=.001）.fit（t\u train\u scale.transpose（），t\u test.transpose（））
---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在（）
1.
2.
---->3 SVR_model=svm.SVR（kernel='rbf'，C=100，gamma=.001）.fit（t_train_scale.transpose（），t_test.transpose（））
C:\Users\nnayyar\Anaconda\lib\site packages\sklearn\svm\base.pyc适合（自身、X、y、样本重量）
174
175 seed=rnd.randint（np.iinfo（'i'）.max）
-->176拟合（X，y，样本权重，解算器类型，核，随机种子=种子）
177#请参阅此文件中对np.iinfo的另一个调用的注释
178
C:\Users\nnayyar\Anaconda\lib\site packages\sklearn\svm\base.pyc in\u densite\u fit（self，X，y，sample\u weight，solver\u type，kernel，random\u seed）
229 cache_size=self.cache_size，coef0=self.coef0，
230伽马=self.\u伽马，ε=self.epsilon，
-->231 max_iter=self.max_iter，random_seed=random_seed）
232
233自我警告来自健康状态（）
C:\Users\nnayyar\Anaconda\lib\site packages\sklearn\svm\libsvm.pyd在sklearn.svm.libsvm.fit（sklearn\svm\libsvm.C:1864）（）
ValueError:缓冲区的维度数错误（预期为1，实际为2）

从研究中，我发现使用SVM最常见的答案是形状必须“匹配”，但如何使SVM与各种大小的数据相匹配

编辑：仍然需要一些帮助，我如何预测成千上万的预测，而不仅仅是下一个1

问题在于

fit

调用中的第二个参数

例如，第二个参数需要是一个由n个样本组成的数组，其中n是实例数，等于作为第一个参数传递的矩阵行数（X）

配合（X，y，样品重量=无）

X:{类数组，稀疏矩阵}，形状（n_样本，n_特征）

y: 阵列状，形状（n_个样本）

因此，如果第一个参数的大小为

40.000 x 119

（因为您对其进行了转置），则第二个参数需要是大小为

40.000 x 1

的数组

但是，根据错误判断，您的第二个参数可能有超过1列（即2列）。