输入尺寸错误答案

【问题标题】：Error with input dimension输入尺寸错误
【发布时间】：2017-08-30 11:48:21
【问题描述】：

我正在尝试实现自定义 rbf 内核函数。但是我收到以下错误。我不确定为什么需要一定数量的数据点？这行代码出现错误：

rbf_y = rbf_kernel.predict(X_test)

代码

def myKernel(x,y):
    pairwise_dists = squareform(pdist(x, 'euclidean'))
    K = scip.exp(-pairwise_dists ** 2 / .08 ** 2)
    return K

rbf_kernel = svm.SVC(kernel=myKernel, C=1).fit(X_train, Y_train.ravel())
rbf_y = rbf_kernel.predict(X_test)
rbf_accuracy = accuracy_score(Y_test, rbf_y)

错误：

ValueError: X.shape[1] = 15510 should be equal to 31488, the number of samples at training time

数据形状

X_train shape:  (31488, 128)
X_test shape:  (15510, 128)
Y_train shape:  (31488, 1)
Y_test shape:  (15510, 1)

从内核返回形状

myKernel(X_train, X_train).shape = (31488, 31488)

【问题讨论】：

能否请您发布完整的堆栈跟踪。

标签： python machine-learning scipy scikit-learn

【解决方案1】：

自定义内核kernel(X, Y) 应该计算矩阵X 和矩阵Y 之间的相似性度量，并且输出的形状应该是[X.shape[0], Y.shape[0]]。您的内核函数忽略了Y，并返回了一个形状为[X.shape[0], X.shape[0]] 的矩阵，这会导致您看到的错误。

要解决此问题，请实现一个计算正确形状的核矩阵的核函数。 Scikit-learn 的 custom kernels documentation 有一些简单的例子来说明这可能是如何工作的。

对于您的特定内核，您可以尝试使用cdist(x, y) 代替squareform(pdist(x))。

【讨论】：