Python 在sklearn中对1D阵列使用x.Reforme

我尝试使用sklearn来使用一个简单的决策树分类器，但它抱怨说使用1D数组现在已经没有说服力了，必须使用X.Reformate（1，-1）。所以我做了，但它已经把我的标签列表变成了只有一个元素的列表，所以标签和样本的数量现在不匹配。换句话说，我的标签列表=[0,0,1,1]变成了[[0,0,1]]。谢谢

这是我使用的简单代码：

from sklearn import tree
import numpy as np
features =[[140,1],[130,1],[150,0],[170,0]]
labels=[0,0,1,1]
labels = np.array(labels).reshape(1,-1)
clf = tree.DecisionTreeClassifier()
clf = clf.fit(features,labels)
print clf.predict([150,0])

---

你在重塑错误的东西。重塑预测的数据，而不是标签

>>> clf.predict(np.array([150,0]).reshape(1,-1))
array([1])

标签必须与训练数据（特征）对齐，因此两个阵列的长度应相同。如果标签被重塑，您是对的，它是一个列表列表，长度为1，但不等于要素的长度

您必须重塑测试数据，因为预测需要一个看起来像您的训练数据的数组。i、 e.每个索引都需要是一个培训示例，具有与培训中相同数量的功能。您将看到以下两个命令分别返回一个列表和一个列表

>>> np.array([150,0]).reshape(1,-1)
array([[150,   0]])
>>> np.array([150,0])
array([150,   0])

---

我怀疑您可能想要这样：

labels=np.asarray（labels）[：，None]

？这似乎相当于使用重塑（-1,1）而不是（1，-1）。它给出了正确的答案，但我仍然得到了不赞成的警告。假设，一旦1D数组的使用被完全反对，sklearn的作者将不得不修改该函数（以及其他函数）以考虑它。我一直认为

形状数组

（x，y）是二维的，即使

x或y==1

。也就是说，我以前是错的，你是对的。没有警告和正确的结果。请多作解释。谢谢。