Scikit Learn LinearSVC 输入形状错误答案

【问题标题】：Scikitlearn LinearSVC Bad input shapeScikit Learn LinearSVC 输入形状错误
【发布时间】：2018-04-30 06:55:32
【问题描述】：

我正在尝试对我的数据使用 LinearSVC！我的代码如下：

from sklearn import svm

clf2 = svm.LinearSVC()
clf2.fit(X_train, y_train)

导致以下错误：

ValueError: bad input shape (2190, 9)

在拆分为 y_test 和 y_train 之前，我对我的 y 值使用了 one-hot 编码，并认为这是问题所在。我尝试过实施类似的修复 (sklearn (Bad Input Shape) ValueError)，但在尝试重新塑造时仍然会出错。

经过一次热编码后，我有一个目标变量 (y)，它有 9 个类，并且我正在运行总共 2190 个样本。看来我需要将这 9 个类减少到 1 个类以适应 SVM。

任何建议将不胜感激！

【问题讨论】：

我们没有您的数据，无法运行此程序或从此 sn-p 推断所有形状。但是，如果这个错误的输入形状与 y_train 相关联，请阅读文档以查看这不是有效的输入！
感谢您的回复！我编辑了我的帖子以使其更清晰
比较形状为(2,3)（如[[0,0,1], [1,0,0]]）的目标向量与形状为(2,) 的目标向量如[2,0]。这与阅读文档一起应该可以解决您的问题！
@Ben 尝试重塑 X_train 和 y_train，使它们看起来像 X_train = [100,10] 和 y_train = [100,]。在使用 clf2.fit 之前，您可以打印这两个数组的形状并发布结果吗？
@Ben，你能添加数据吗？还是一个例子？

标签： scikit-learn svm

【解决方案1】：

您需要重塑数组。这是一个使用随机数据的示例，目标变量是一个包含 5 个类的变量：

import numpy as np
from sklearn import svm

# 100 samples and 10 features
x = np.random.rand(100, 10) 

#5 classes
y = [1,2,3,4,5] * 20

x = np.asarray(x)
y = np.asarray(y)

print(x.shape)
print(y.shape)

clf2 = svm.LinearSVC()
clf2.fit(x, y)

结果：

(100, 10)

(100,)

LinearSVC(C=1.0, class_weight=None, dual=True, fit_intercept=True,
     intercept_scaling=1, loss='squared_hinge', max_iter=1000,
     multi_class='ovr', penalty='l2', random_state=None, tol=0.0001,
     verbose=0)

【讨论】：

【解决方案2】：

linearsvc不接受y的2-D值。作为documented：

参数：

y : array-like, shape = [n_samples]

    Target vector relative to X

所以您不需要转换为单热编码矩阵。只要提供它们，即使它的字符串也是如此。它们将在内部处理正确。

【讨论】：

【解决方案3】：

对应document，您可以尝试 sklearn.multiclass.OneVsRestClassifier 如下：

from sklearn.multiclass import OneVsRestClassifier
from sklearn.svm import LinearSVC

clf = OneVsRestClassifier(LinearSVC())
clf.fit(X_train, y_train)

【讨论】：