Python 如何解决ValueError:错误的输入形状(11,11)?

Python 如何解决ValueError:错误的输入形状(11,11)?,python,pandas,machine-learning,scikit-learn,svm,Python,Pandas,Machine Learning,Scikit Learn,Svm,我不熟悉Python和机器学习。我在网上找到了一个包含Arduino和Python的项目,我决定尝试一下。该项目的github链接是顺便说一句。Arduino部分已经可以使用了,我已经可以将数据写入csv文件。我正在尝试将csv文件中的数据插入svm中的训练。然而,我无法通过训练部分。代码如下 import numpy as np import csv from sklearn import svm from sklearn.metrics import accuracy_score from

我不熟悉Python和机器学习。我在网上找到了一个包含Arduino和Python的项目,我决定尝试一下。该项目的github链接是顺便说一句。Arduino部分已经可以使用了,我已经可以将数据写入csv文件。我正在尝试将csv文件中的数据插入svm中的训练。然而,我无法通过训练部分。代码如下

import numpy as np
import csv
from sklearn import svm
from sklearn.metrics import accuracy_score
from sklearn.metrics import confusion_matrix
import pandas as pd
dataframe= pd.read_csv("csvdata.csv", delimiter=',')

from sklearn.model_selection import train_test_split
train, test = train_test_split(df, test_size = 0.2)

train_features = train[['LABEL','F1','F2','F3','F4','F5','X','Y','Z','C1','C2']]
train_label = train.values

test_features = test[['LABEL','F1','F2','F3','F4','F5','X','Y','Z','C1','C2']]
test_label = test.values

## SVM
model = svm.SVC(kernel='linear', gamma=1, C=1)
model.fit(train_features, train_label)
每当我运行代码时,我都会在最后一行中偶然发现这个错误:

Traceback (most recent call last):
  File "C:\Python27\projects\practice\modeling.py", line 32, in <module>
    model.fit(train_features, train_label)
  File "C:\Python27\lib\site-packages\sklearn\svm\base.py", line 149, in fit
    accept_large_sparse=False)
  File "C:\Python27\lib\site-packages\sklearn\utils\validation.py", line 761, in check_X_y
    y = column_or_1d(y, warn=True)
  File "C:\Python27\lib\site-packages\sklearn\utils\validation.py", line 797, in column_or_1d
    raise ValueError("bad input shape {0}".format(shape))
ValueError: bad input shape (11, 11)

我希望任何人都能帮上忙已经好几个星期了我想弄明白。谢谢。

在您的
型号.fit中,您应该传递功能和标签;但正如(
train\u label=train.values
)一样,您的功能和标签本质上是一样的。您的标签应该是一维的(您可以在错误消息中看到
y=column\u或\u 1d
),当然不是功能的一部分

应按以下方式更改要素和标签定义:

train_features = train[['F1','F2','F3','F4','F5','X','Y','Z','C1','C2']]
train_label = train['LABEL']

test_features = test[['F1','F2','F3','F4','F5','X','Y','Z','C1','C2']]
test_label = test['LABEL']
如果您的
model.fit
无法正常工作,请尝试:

model.fit(train_features.values, train_label.values)

您在发布的数据(不是错误的原因)序列中缺少
标签
列。值的形状为(11,11),必须是1d numpy数组才能作为标签
model.fit(train_features.values, train_label.values)