Python 错误：预期的序列或类似数组，已获取<；类别'；int'&燃气轮机&引用；_Python_Pandas_Numpy

Python 错误：预期的序列或类似数组，已获取<；类别'；int'&燃气轮机&引用；

python pandas numpy

Python 错误：预期的序列或类似数组，已获取<；类别'；int'&燃气轮机&引用；,python,pandas,numpy,Python,Pandas,Numpy,我试图预测一个人是否患有某种疾病。通过在HTML页面中传递输入，可以预测值，但无法在HTML页面上打印准确性。Error=“TypeError:Expected sequence或array like，get”。下面是我的代码。如果出现问题，请提供帮助 from flask import Flask, redirect, url_for, request, render_template import numpy as np import pandas as pd

我试图预测一个人是否患有某种疾病。通过在HTML页面中传递输入，可以预测值，但无法在HTML页面上打印准确性。Error=“TypeError:Expected sequence或array like，get”。下面是我的代码。如果出现问题，请提供帮助

    from flask import Flask, redirect, url_for, request, render_template
    import numpy as np
    import pandas as pd
    from sklearn.ensemble import GradientBoostingClassifier,RandomForestClassifier
    from sklearn.model_selection import train_test_split
    from sklearn.metrics import accuracy_score,precision_score,recall_score,auc,roc_curve

    app = Flask(__name__)

    Data = pd.read_csv('data\\new_heart.csv')
    y = Data['target']
    Data.drop("target", axis=1, inplace=True)
    X = Data

    x_train, x_test, y_train, y_test = train_test_split(X, y, random_state=42)

    Model = GradientBoostingClassifier(verbose=1, learning_rate=0.5,warm_start=True)
    Model.fit(x_train, y_train)

    y_pred=0
    def generate_prediction(input):


        y_pred = Model.predict(input)
        return  y_pred

    @app.route('/')
    def home():

        return render_template('disease.html')


    @app.route('/get_value', methods=['GET', 'POST'])
    def get_price():
        input = request.form
        input = np.array(list(input.values())).reshape(1,-1)
        print(input)

        price = generate_prediction(input)
        if price == 0:
            return "Not Suffering from a disease {}".format(price,accuaracy())
        else:
            return "Suffering from a disease {}{}".format(price,accuaracy())





    def accuaracy():


        print("Accuracy(GradientBoostingClassifier)\t:" + str(accuracy_score(y_test, y_pred)))
        print("Precision(GradientBoostingClassifier)\t:" + str(precision_score(y_test, y_pred)))
        print("Recall(GradientBoostingClassifier)\t:" + str(recall_score(y_test, y_pred)))


    if __name__ == '__main__':
        app.run(debug=True)

disease.html

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Title</title>
</head>
<body>
    <form action=" http://127.0.0.1:5000/get_value" method="POST">

    <p>age <input type="text" name="t1"/></p>
    <p>sex <input type="text" name="t2"/></p>
    <p>cp <input type="text" name="t3"/></p>
    <p>trestbps <input type="text" name="t4"/></p>
        <p>chol <input type="text" name="t5"/></p>
        <p>fbs <input type="text" name="t6"/></p>
        <p>restecg <input type="text" name="t7"/></p>
        <p>thalach <input type="text" name="t8"/></p>
        <p>exang <input type="text" name="t9"/></p>
        <p>oldspeak <input type="text" name="t10"/></p>
    <p>slope <input type="text" name="t11"/></p>
        <p>ca <input type="text" name="t12"/></p>
        <p>thal <input type="text" name="t13"/></p>

    <p><input type="submit" value="submit"/></p>
    </form>
</body>

从flask导入flask、重定向、url、请求、呈现模板
将numpy作为np导入
作为pd进口熊猫
从sklearn.employ导入GradientBoostingClassifier，RandomForestClassifier
从sklearn.model\u选择导入列车\u测试\u拆分
从sklearn.metrics导入准确度、精密度、回忆度、auc、roc曲线
app=烧瓶（名称）
Data=pd.read\u csv（'Data\\new\u heart.csv'）
y=数据['target']
Data.drop（“目标”，轴=1，原地=True）
X=数据
x_序列，x_测试，y_序列，y_测试=序列测试分割（x，y，随机状态=42）
模型=梯度增强分类器（详细值=1，学习率=0.5，温启动=真）
模型拟合（x\U系列、y\U系列）
y_pred=0
def生成_预测（输入）：
y_pred=模型预测（输入）
返回y_pred
@应用程序路径（“/”）
def home（）：
返回render_模板（'disease.html'）
@app.route（'/get_value'，methods=['get'，POST']）
def get_price（）：
输入=request.form
input=np.array（list（input.values（））。重塑（1，-1）
打印（输入）
价格=生成预测（输入）
如果价格=0：
返回“未患疾病{}”。格式（price，accuracy（））
其他：
返回“患有疾病{}{}”。格式（price，accuracy（））
def accuracy（）：
打印（“精度（梯度增强分类器）\t:”+str（精度分数（y测试，y预测）））
打印（“精度（GradientBoostingClassifier）\t:”+str（精度分数（y测试，y预测）））
打印（“回忆（GradientBoostingClassifier）\t:”+str（回忆分数（y测试，y预测）））
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
app.run（debug=True）
disease.html
标题
年龄
性
cp
树梢
胆固醇
fbs
静息心电图
塔拉赫
埃克森
老话
斜坡
ca
塔尔

回溯（最近一次呼叫最后一次）：
文件“C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site packages\flask\app.py”，第2309行，在调用中__
返回self.wsgi_应用程序（环境，启动响应）
wsgi_应用程序中的文件“C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site packages\flask\app.py”，第2295行
response=self.handle\u异常（e）
文件“C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site packages\flask\app.py”，第1741行，在句柄中
重放（exc_类型、exc_值、tb）
文件“C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site packages\flask\\u compat.py”，第35行，重新发布
增值
wsgi_应用程序中的文件“C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site packages\flask\app.py”，第2292行
response=self.full\u dispatch\u request（）
文件“C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site packages\flask\app.py”，第1815行，完整发送请求
rv=自身处理用户异常（e）
文件“C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site packages\flask\app.py”，第1718行，在handle\u user\u异常中
重放（exc_类型、exc_值、tb）
文件“C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site packages\flask\\u compat.py”，第35行，重新发布
增值
文件“C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site packages\flask\app.py”，第1813行，完整发送请求
rv=自我分派请求（）
文件“C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site packages\flask\app.py”，第1799行，在调度请求中
返回self.view_函数[rule.endpoint]（**req.view_参数）
文件“C:\Users\Indu\PycharmProjects\WebApp\HeartDisease.py”，第43行，在get\u price中
返回“患有疾病{}{}”。格式（price，accuracy（））
文件“C:\Users\Indu\PycharmProjects\WebApp\HeartDisease.py”，第52行，准确无误
打印（“精度（梯度增强分类器）\t:”+str（精度分数（y测试，y预测）））
文件“C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site packages\sklearn\metrics\classification.py”，第176行，精度评分
y_type，y_true，y_pred=_check_targets（y_true，y_pred）
文件“C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site packages\sklearn\metrics\classification.py”，第71行，在检查目标中
检查长度是否一致（y_true，y_pred）
文件“C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site packages\sklearn\utils\validation.py”，第231行，检查长度是否一致
长度=[\u num\u如果X不是None，则数组中X的样本数（X）]
文件“C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site packages\sklearn\utils\validation.py”，第231行，在
长度=[\u num\u如果X不是None，则数组中X的样本数（X）]
文件“C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site packages\sklearn\utils\validation.py”，第138行，在_num_samples中
类型（x））
TypeError:预期的序列或类似数组，已获取

在

accurity（）

函数中，需要将数组传递给Sklearn metrics。现在只传递一个int值。确保

y\u test

和

y\u pred

都是数组，即使它们只是一个元素。

由于您的

输入

的形状为（-1,1），因此会出现错误。由于

y\u pred=Model.predict（input）

中的形状，您将始终获得整数值。因为您需要将单个维度列表作为输入

因此，要获得

列表

您的输入应该等于

x\u测试

，您可以获得

y\u pred

还要注意的是，在

准确度评分（y\u test，y\u pred）

中，两个参数应该具有相同的长度

完全回溯错误后

traceback (most recent call last):
  File "C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site-packages\flask\app.py", line 2309, in __call__
    return self.wsgi_app(environ, start_response)
  File "C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site-packages\flask\app.py", line 2295, in wsgi_app
    response = self.handle_exception(e)
  File "C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site-packages\flask\app.py", line 1741, in handle_exception
    reraise(exc_type, exc_value, tb)
  File "C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site-packages\flask\_compat.py", line 35, in reraise
    raise value
  File "C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site-packages\flask\app.py", line 2292, in wsgi_app
    response = self.full_dispatch_request()
  File "C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site-packages\flask\app.py", line 1815, in full_dispatch_request
    rv = self.handle_user_exception(e)
  File "C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site-packages\flask\app.py", line 1718, in handle_user_exception
    reraise(exc_type, exc_value, tb)
  File "C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site-packages\flask\_compat.py", line 35, in reraise
    raise value
  File "C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site-packages\flask\app.py", line 1813, in full_dispatch_request
    rv = self.dispatch_request()
  File "C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site-packages\flask\app.py", line 1799, in dispatch_request
    return self.view_functions[rule.endpoint](**req.view_args)
  File "C:\Users\Indu\PycharmProjects\WebApp\HeartDisease.py", line 43, in get_price
    return "Suffering from a disease {}{}".format(price,accuaracy())
  File "C:\Users\Indu\PycharmProjects\WebApp\HeartDisease.py", line 52, in accuaracy
    print("Accuracy(GradientBoostingClassifier)\t:" + str(accuracy_score(y_test, y_pred)))
  File "C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site-packages\sklearn\metrics\classification.py", line 176, in accuracy_score
    y_type, y_true, y_pred = _check_targets(y_true, y_pred)
  File "C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site-packages\sklearn\metrics\classification.py", line 71, in _check_targets
    check_consistent_length(y_true, y_pred)
  File "C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site-packages\sklearn\utils\validation.py", line 231, in check_consistent_length
    lengths = [_num_samples(X) for X in arrays if X is not None]
  File "C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site-packages\sklearn\utils\validation.py", line 231, in <listcomp>
    lengths = [_num_samples(X) for X in arrays if X is not None]
  File "C:\Users\Indu\PycharmProjects\WebApp\venv\lib\site-packages\sklearn\utils\validation.py", line 138, in _num_samples
    type(x))
TypeError: Expected sequence or array-like, got <class 'int'>