Python; SciKit 学习；支持向量机；形状不匹配

Question

我有 40,000 个资产的时间序列。我已将数据拆分为训练数据和目标数据。训练数据有 119 天的回报，目标数据有 59 天。我是故意这样拆分的。

Train：（119 行返回，40000 个不同系列） 目标：（59行返回，同40000系列）

我运行了以下代码来拟合模型：

SVR_model = svm.SVR(kernel='rbf',C=100,gamma=.001).fit(t_train_scale.transpose(), t_test.transpose())
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-185-2a0fd827e2a4> in <module>()
      1 
      2 
----> 3 SVR_model = svm.SVR(kernel='rbf',C=100,gamma=.001).fit(t_train_scale.transpose(), t_test.transpose())

C:\Users\nnayyar\Anaconda\lib\site-packages\sklearn\svm\base.pyc in fit(self, X, y, sample_weight)
    174 
    175         seed = rnd.randint(np.iinfo('i').max)
--> 176         fit(X, y, sample_weight, solver_type, kernel, random_seed=seed)
    177         # see comment on the other call to np.iinfo in this file
    178 

C:\Users\nnayyar\Anaconda\lib\site-packages\sklearn\svm\base.pyc in _dense_fit(self, X, y, sample_weight, solver_type, kernel, random_seed)
    229                 cache_size=self.cache_size, coef0=self.coef0,
    230                 gamma=self._gamma, epsilon=self.epsilon,
--> 231                 max_iter=self.max_iter, random_seed=random_seed)
    232 
    233         self._warn_from_fit_status()

C:\Users\nnayyar\Anaconda\lib\site-packages\sklearn\svm\libsvm.pyd in sklearn.svm.libsvm.fit (sklearn\svm\libsvm.c:1864)()

ValueError: Buffer has wrong number of dimensions (expected 1, got 2)

从研究中，我看到使用 SVM 最常见的答案是形状必须“匹配”，但如何使 SVM 适合各种大小的数据？

编辑：仍然需要一些帮助，我如何预测数千个预测，而不仅仅是下一个？

Answer 1

问题在于fit 调用中的第二个参数。

作为per documentation，第二个参数需要是一个包含 n 个样本的数组，其中 n 是实例数，等于您作为第一个参数 (X) 传递的矩阵的行数。

fit(X, y, sample_weight=None)

X : {array-like, sparse matrix}, shape (n_samples, n_features)

y : 类数组，形状 (n_samples,)

因此，如果您的第一个参数的大小为 40.000 x 119（因为您已转置它），则第二个参数需要是大小为 40.000 x 1 的数组。

但是，根据错误判断，您的第二个参数可能超过 1 列（即 2 列）。