Python Kneighbors时间序列分类

我有一个长度为60的时间数据帧（基本上是我的训练集），还有一个长度为5的时间数据帧（我的测试集）

我想使用K-nearaset邻居和动态时间扭曲来分类和预测

我发现了一个“tslearn”包，确切地说是

kneighbortimeseriesclassifier

但在执行

fit（）

时引发以下错误：

这是我的一段代码：

df_data=data[data.index<"2020-04-29"]
df_train=df_data[['S&P500 %','VIXY %']]
Y_train=df_data[['Spx_Weight','VIXY_Weight']]

df_test=data[data.index>="2020-04-29"][['S&P500 %','VIXY %']]
#
knn_clf = KNeighborsTimeSeriesClassifier(n_neighbors=3, metric="dtw")
knn_clf.fit(df_train, Y_train)
predicted_labels = knn_clf.predict(df_test)
print("\n2. Nearest neighbor classification using DTW")

df_data=data[data.index=“2020-04-29”][[S&P500%，'VIXY%]
#
knn_clf=KneighborsTimesPeriesClassifier（n_邻居=3，metric=“dtw”）
knn\U clf.配合（df\U系列、Y\U系列）
预测标签=knn\U clf.predict（df\U测试）
打印（“\n2.使用DTW的最近邻分类”）

它需要相同数量的功能。样本数量不一样。请阅读并提供一个最低限度的工作示例。我已经上传了我的代码，thanksIt需要相同数量的功能。样本数量不一样。请阅读并提供一个最低限度的工作示例。我已经上传了我的代码，谢谢

df_data=data[data.index<"2020-04-29"]
df_train=df_data[['S&P500 %','VIXY %']]
Y_train=df_data[['Spx_Weight','VIXY_Weight']]

df_test=data[data.index>="2020-04-29"][['S&P500 %','VIXY %']]
#
knn_clf = KNeighborsTimeSeriesClassifier(n_neighbors=3, metric="dtw")
knn_clf.fit(df_train, Y_train)
predicted_labels = knn_clf.predict(df_test)
print("\n2. Nearest neighbor classification using DTW")