ValueError：scikit learn 的随机森林分类

【问题标题】：ValueError : Random forest classification by scikit learnValueError：scikit learn 的随机森林分类
【发布时间】：2015-02-21 18:33:15
【问题描述】：

我正在使用随机森林解决分类问题。我通过 BOW 将句子转换为 num。我在里面放了一个标签，然后建了一棵树。

data_train = [[1.0, 1.0], [2.0, 2.0]]

label_train = [1,2]

estimator = RandomForestClassifier()

estimator.fit_transform(data_train, label_train)

我准备了一个test_data，它是一个尝试预测的句子。但它没有用。

test_data = [[1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0, 1.0]]

label_predict = estimator.predict_proba(test_data)


ValueError: Number of features of the model must match the input. Model n_features is 2 and input n_features is 12

我知道它说元素的数量不匹配。但是句子中的单词数量不同，我想肯定是不同的。我该如何解决这个问题？

【问题讨论】：

标签： python machine-learning scikit-learn

【解决方案1】：

在您的示例中，您的火车数据有两个特征/维度/列（行数与此问题无关）：

[[1.0, 1.0], 
 [2.0, 2.0]]

并且您为每个行/样本都有一个标签。

[1,
 2]

您的测试数据必须看起来相似，即它必须具有相同数量的特征/维度/列。例如这样就可以了：

[[1.0, 1.0],
 [1.0, 1.0], 
 [1.0, 1.0],
 [1.0, 1.0], 
 [1.0, 1.0],
 [1.0, 1.0]]

您可以有不同的行数，但列数必须相同。在这种情况下，您有 2 列和 6 行，因此您将获得 6 个标签作为predict_proba 的结果。

【讨论】：

谢谢。所以，我必须在不改变数据含义的情况下将 test_data 设为两列。（或更改 train_data）
是的，很可能每一列都代表您的训练数据和测试数据中的某些东西（相同）。