使用 sklearn 数字数据集预测数字 - 错误

Question

我想建立一个简单的数字预测模型。

所以我：

1. 加载到 sklearn 数据集中
2. 使用 DecisionTreeClassifier()
3. 适合数据
4. 预测新图像

import matplotlib.pyplot as plt 
from sklearn import datasets 
from sklearn import tree
digits = datasets.load_digits() 
clf = tree.DecisionTreeClassifier()
clf = clf.fit(digits.data, digits.target) 
clf.predict(digits.data[-1])

我做错了什么？

ValueError                                Traceback (most recent call last)
<ipython-input-9-b58a2a08d39b> in <module>()
----> 1 clf.predict(digits.data[-1])

Answer 1

您的问题是当模型请求二维数组时您正在传递一维数组。

这应该可以解决问题。

from sklearn import datasets
from sklearn import tree
from sklearn.model_selection import StratifiedKFold

# load the digits dataset
digits = datasets.load_digits()

# separate features and labels
X_digits = digits.data
y_digits = digits.target

# split data into training and testing sets
k_fold = StratifiedKFold(n_splits=10, shuffle=True, random_state=42)
for train_index, test_index in k_fold.split(X_digits, y_digits):
        train_features, test_features = X_digits[train_index], X_digits[test_index]
        train_labels, test_labels = y_digits[train_index], y_digits[test_index]

# fit to model
clf = tree.DecisionTreeClassifier()
clf = clf.fit(train_features, train_labels)

# predict on the testing features
print(clf.predict(test_features))

另外，看看this。它可能会为您提供更多信息。

Answer 2

由于这似乎是您使用 sklearn 的开始，所以我想向您介绍一下这些东西在功能和样本方面的工作原理。

要训练模型，您需要使用两个属性来拟合分类器，即特征向量和每个向量的标签。特征向量由2D N*M 数组表示，其中每一行对应一个新样本，每一列对应一个特定特征。标签必须是大小为 N 的 1D 数组，即每个样本一个标签。 （您甚至可以为每个样本设置多个标签，但现在让我们专注于每个样本一个）

现在使用上述概念，您可以找出预测函数中的错误。

digits.data 是一个2D 数组和数字，其中每一行对应一个样本。现在digits.data[-1] 是一个1D 数组，它没有任何列，但你知道这个1D 数组中的每个单独的数字实际上是一个特征（即一列）。因此，您需要将此 1D 数组重塑为 1 行 N 列的 2D 数组。这里numpy的reshape方法可以派上用场。只需执行digits.data[-1].reshape(1,-1) 即可达到预期效果并应用于预测方法。你的代码就会变成

clf.predict(digits.data[-1].reshape(1,-1))

考虑查看 numpy.reshape 的 documentation 以了解有关 .reshape() 方法的作用和方式的更多详细信息。

Answer 3

这应该是你的错误：

ValueError: Expected 2D array, got 1D array instead: 数组=[ 0. 0. 10. 14. 8. 1. 0. 0. 0. 2. 16. 14. 6. 1. 0. 0. 0. 0. 15. 15. 8. 15. 0. 0. 0. 0. 5. 16. 16. 10. 0. 0. 0. 0. 12. 15. 15. 12. 0. 0. 0. 4. 16. 6. 4. 16. 6. 0. 0. 8. 16. 10. 8. 16. 8. 0. 0. 1. 8. 12. 14. 12. 1. 0.]。 如果您的数据具有单个特征，则使用 array.reshape(-1, 1) 重塑您的数据，如果数据包含单个样本，则使用 array.reshape(1, -1)。

除了最后一行之外，您消除了所有内容。这是你想做的吗？

import numpy as np
arr = np.array([[11,52], [46, 49], [35, 26]])
arr[-1]

你可以选择

digits.data[-1].reshape(-1, 1)  

但仅当您仅使用错误所说的一维数组训练模型时。

Answer 4

非常感谢您的回答。你们都已经回应了这一点。现在，我明白了这个错误。我实际上是从https://www.youtube.com/watch?v=KTeVOb8gaD4&t=1213s和https://pythonprogramming.net/support-vector-machine-svm-example-tutorial-scikit-learn-python/中举的例子

它主要是 python 版本，在以前的版本中 python predict 函数接受一维数组，但现在它已被弃用，因此用 [1D 数组] 之类的大括号包围一维数组将使其成为二维数组。现在下面的代码运行良好。

import matplotlib.pyplot as plt

from sklearn import datasets

from sklearn import tree

digits = datasets.load_digits()

clf = tree.DecisionTreeClassifier()

clf = clf.fit(digits.data[:-1], digits.target[:-1])

clf.predict(digits.data[[-1]])

输出是数组（[8]）。

再次感谢您的帮助。