Python 使用sklearn-ValueError进行特征选择：X的形状与拟合期间不同
：）Python 使用sklearn-ValueError进行特征选择：X的形状与拟合期间不同,python,machine-learning,scikit-learn,feature-selection,Python,Machine Learning,Scikit Learn,Feature Selection,：）如果我的代码看起来像一个新手会写的东西，我会事先表示非常抱歉。下面是我用python编写的部分代码。我在摆弄sklearn和机器学习技术。 我根据不同的数据集训练了几个朴素贝叶斯模型，并将它们存储在trained_模型中 在此步骤之前，我使用用于特征选择的chi2函数创建了SelectPercentile类的对象chi_squared。根据我的理解，我应该编写data_feature_reduced=chi_squared.transform（一些数据），然后在这样的训练时使用data_fe
如果我的代码看起来像一个新手会写的东西，我会事先表示非常抱歉。下面是我用python编写的部分代码。我在摆弄
sklearntrained_模型中chi2chi_squared根据我的理解，我应该编写
data_feature_reduced=chi_squared.transform（一些数据）data_feature_reducednb.fit（数据特征减少，数据目标）这就是我们所做的，并将结果对象
nb我必须承认，我对特征选择部分有点陌生。 以下是我得到的错误：
ValueError:X的形状与安装期间不同。
行，卡方检验数据=卡方变换（X检验数据）我假设我以一种不正确的方式进行特征选择，我哪里出错了？为什么不使用管道来简化它呢？这样你就不必变换两次并处理形状了
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
from sklearn.pipeline import Pipeline
from sklearn.linear_model import LogisticRegression
chi_squarer = SelectKBest(chi2, k=100) # change accordingly
lr = LogisticRegression() # or naive bayes
clf = pipeline.Pipeline([('chi_sq', chi_squarer), ('model', lr)])
# for training:
clf.fit(training_data, targets)
# for predictions:
clf.predict(test_data)
您还可以在管道中添加
new\u vectfrom sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
from sklearn.pipeline import Pipeline
from sklearn.linear_model import LogisticRegression
chi_squarer = SelectKBest(chi2, k=100) # change accordingly
lr = LogisticRegression() # or naive bayes
clf = pipeline.Pipeline([('chi_sq', chi_squarer), ('model', lr)])
# for training:
clf.fit(training_data, targets)
# for predictions:
clf.predict(test_data)
您还可以在管道中添加
新的\u vect此错误是由以下行引起的
new\u vect.fit\u transform（）StemedVectorizeX_测试_数据fit_transform谢谢大家的帮助 我将只粘贴帮助我解决@Vivek Kumar问题的评论
此错误是由以下行引起的
new\u vect.fit\u transform（）StemedVectorizeX_测试_数据fit_transform是的。数据->使用ur向量器->使用管道。根据需要更改模型和k值。在此处阅读有关管道的更多信息：我想使用已经训练好的模型进行预测，不会在管道中调用拟合方法重新训练模型吗？我正在尝试检查新数据的准确性。是的。数据->使用ur向量器->使用pipeline.根据您的需要更改模型和k值。在此处阅读有关管道的更多信息：我想使用已经训练好的模型进行预测，不会在管道中调用fit方法重新训练模型吗？我正在尝试检查新数据的准确性此错误是由以下行引起的
new_vect.fit_transform（）词干向量器new_vect.fit_transform（）词干向量器