Python RBF支持向量机的训练与预测

我试图在我的训练和测试数据集上运行SVM RBF回归

[svm = SVC(kernel='rbf', random_state=0 , C=C, gamma=0.9)
  svm.fit(NewX , NewY)]

列车踏板工作正常。然而，在预测步骤svm.predict中，它给了我这个错误

ValueError：除 连接轴必须完全匹配

调用预测方法：

[Z = svm.predict(np.c_[NX_Test.ravel(),NY_Test.ravel()])
    Z = Z.reshape(NX_Test.shape)]

数据格式：

我的训练数据集是80个输入示例的列表，其中每个示例是100个样本的信号

我的测试数据是20个输入示例的列表，其中每个示例也是由100个样本组成的信号

---

您是否检查了所有培训样本的尺寸是否匹配

支持向量机需要样本和特征向量具有相同的维数。 考虑LBSVM格式中的特征向量：

第一个值表示索引和第二个关联值。该向量的维数为5，因此，所有其他特征向量都必须与该维数匹配才能进行训练。训练后，要预测的向量也必须与此维度完全匹配。因此，请验证是否满足此约束。

请阅读，然后阅读您的问题，以便清楚地了解您做了什么，您试图做什么，以及发生了什么。此外，请确保您的帖子包含实际问题。请定义不起作用。你能发布一个完整的错误跟踪吗？这也将有助于有一个小的可重复的样本数据集。。。

1:0.2 2:0.4 3:1.0 4:0.07 5:0.3