在Python中使用机器学习加载自定义数据集？

问题是： 它需要2个变量输入，并预测结果

例如：

价格

和

成交量

作为输入和作为

结果的买卖决定

我尝试使用

K-neights

实现此功能，但没有成功。你会怎么做

X = cleanedData['ES1 End Price'] #only accounts for 1 variable, don't know how to use input another. 
y = cleanedData["Result"]
print(X.shape, y.shape)
kmm = KNeighborsClassifier(n_neighbors = 5)
kmm.fit(X,y) #ValueError for size inconsistency, but both are same size. 

---

谢谢

X

需要是一个，其中每列代表一个功能，这在代码中似乎不正确，请尝试使用

X[：，无]

将

X

重塑为二维：

kmm.fit(X[:,None], y)

---

或者在不采用重塑的情况下，最好始终使用列表从数据帧中提取特征：

X = cleanedData[['ES1 End Price']]

或具有多个列：

X = cleanedData[['ES1 End Price', 'volume']]

那么X将是一个2d数组，可以直接用于

fit

：

kmm.fit(X, y)

---

请给出

cleanedData

的定义，问题是自定义数据，还是如何从分类器中获取预测？这是相同的原始计数？有什么错误？大家好，我正在声明excel文件中的cleanedData。我想知道我将如何使用两个变量作为输入：即，如何声明它们。

cleanedData

的类型是什么？它是数据帧吗？如果是这样，那么您可以在其中传递列名列表以访问它们。这有助于避免错误，但我想知道如何将X声明为两列。到目前为止，我所拥有的只是X=cleanedData['ES1 End Price']，但我还需要包括数量。有什么想法吗？如果你有一个数据框，你可以做

cleanedData[['ES1 End Price'，'volume']]]

，而且这次不需要重塑。感谢你的回复-刚刚实现了上面的建议，但是现在我得到了一个TypeError:unhable type，在kmm.fit（X[：，None]，y）行上。建议？