sklearn中的KNearest Neighbors - ValueError：查询数据维度必须匹配训练数据维度答案

【问题标题】：KNearest Neighbors in sklearn - ValueError: query data dimension must match training data dimensionsklearn中的KNearest Neighbors - ValueError：查询数据维度必须匹配训练数据维度
【发布时间】：2017-05-19 05:28:04
【问题描述】：

我正在尝试对我在 UCI 机器学习数据库中找到的一些文本识别数据进行 k 最近邻预测。 (https://archive.ics.uci.edu/ml/datasets/Letter+Recognition)

我交叉验证了数据并测试了准确性，没有任何问题，但我无法运行分类器.predict()。谁能解释我为什么会收到这个错误？我在 sklearn 网站上阅读了维度诅咒，但在实际修复我的代码时遇到了麻烦。

到目前为止我的代码如下：

import pandas as pd
import numpy as np
from sklearn import preprocessing, cross_validation, neighbors

df = pd.read_csv('KMeans_letter_recog.csv')    

X = np.array(df.drop(['Letter'], 1))
y = np.array(df['Letter'])

X_train, X_test, y_train, y_test = cross_validation.train_test_split(X, y, test_size = 0.2) #20% data used

clf = neighbors.KNeighborsClassifier()
clf.fit(X_train, y_train)
accuracy = clf.score(X_test, y_test) #test
print(accuracy) #this works fine

example = np.array([7,4,3,2,4,5,3,6,7,4,2,3,5,6,8,4])
example = X.reshape(len(example), -1)

prediction = clf.predict(example)
print(prediction) #error

df.head() 产生：

 Letter   x-box   y-box   box_width   box_height   on_pix   x-bar_mean  \
0      T       2       8           3            5        1            8   
1      I       5      12           3            7        2           10   
2      D       4      11           6            8        6           10   
3      N       7      11           6            6        3            5   
4      G       2       1           3            1        1            8   

    y-bar_mean   x2bar_mean   y2bar_mean   xybar_mean   x2y_mean   xy2_mean  \
0           13            0            6            6         10          8   
1            5            5            4           13          3          9   
2            6            2            6           10          3          7   
3            9            4            6            4          4         10   
4            6            6            6            6          5          9   

    x-ege   xegvy   y-ege   yegvx  
0       0       8       0       8  
1       2       8       4      10  
2       3       7       3       9  
3       6      10       2       8  
4       1       7       5      10

我的错误提要如下：

Traceback (most recent call last):
  File "C:\Users\jai_j\Desktop\Python Projects\K Means ML.py", line 31, in <module>
    prediction = clf.predict(example)
  File "C:\Users\jai_j\Desktop\Python Projects\WinPython-64bit-3.5.2.3Qt5\python-3.5.2.amd64\lib\site-packages\sklearn\neighbors\classification.py", line 145, in predict
    neigh_dist, neigh_ind = self.kneighbors(X)
  File "C:\Users\jai_j\Desktop\Python Projects\WinPython-64bit-3.5.2.3Qt5\python-3.5.2.amd64\lib\site-packages\sklearn\neighbors\base.py", line 381, in kneighbors
    for s in gen_even_slices(X.shape[0], n_jobs)
  File "C:\Users\jai_j\Desktop\Python Projects\WinPython-64bit-3.5.2.3Qt5\python-3.5.2.amd64\lib\site-packages\sklearn\externals\joblib\parallel.py", line 758, in __call__
    while self.dispatch_one_batch(iterator):
  File "C:\Users\jai_j\Desktop\Python Projects\WinPython-64bit-3.5.2.3Qt5\python-3.5.2.amd64\lib\site-packages\sklearn\externals\joblib\parallel.py", line 608, in dispatch_one_batch
    self._dispatch(tasks)
  File "C:\Users\jai_j\Desktop\Python Projects\WinPython-64bit-3.5.2.3Qt5\python-3.5.2.amd64\lib\site-packages\sklearn\externals\joblib\parallel.py", line 571, in _dispatch
    job = self._backend.apply_async(batch, callback=cb)
  File "C:\Users\jai_j\Desktop\Python Projects\WinPython-64bit-3.5.2.3Qt5\python-3.5.2.amd64\lib\site-packages\sklearn\externals\joblib\_parallel_backends.py", line 109, in apply_async
    result = ImmediateResult(func)
  File "C:\Users\jai_j\Desktop\Python Projects\WinPython-64bit-3.5.2.3Qt5\python-3.5.2.amd64\lib\site-packages\sklearn\externals\joblib\_parallel_backends.py", line 326, in __init__
    self.results = batch()
  File "C:\Users\jai_j\Desktop\Python Projects\WinPython-64bit-3.5.2.3Qt5\python-3.5.2.amd64\lib\site-packages\sklearn\externals\joblib\parallel.py", line 131, in __call__
    return [func(*args, **kwargs) for func, args, kwargs in self.items]
  File "C:\Users\jai_j\Desktop\Python Projects\WinPython-64bit-3.5.2.3Qt5\python-3.5.2.amd64\lib\site-packages\sklearn\externals\joblib\parallel.py", line 131, in <listcomp>
    return [func(*args, **kwargs) for func, args, kwargs in self.items]
  File "sklearn\neighbors\binary_tree.pxi", line 1294, in sklearn.neighbors.kd_tree.BinaryTree.query (sklearn\neighbors\kd_tree.c:11325)
ValueError: query data dimension must match training data dimension

提前感谢您的帮助，我会在此期间继续寻找答案

【问题讨论】：

我的猜测是您尝试输入的训练数据与预测维度不匹配，很可能是 n 维度。如果你有 10 个特征，而你传递了 9 个，那可能是个问题。
感谢您的回复 - 我检查了功能；有 16 个特征，我确保在预测时使用了相同的数字。不幸的是，我仍然收到错误消息。

标签： python-3.x numpy machine-learning scikit-learn nearest-neighbor

【解决方案1】：

您的问题是您没有重塑 example 并且您正在重塑为不正确的尺寸。您正在将 X 数组重塑为 (16, N)，其中 N 是 X 中的观察数。

因此，当您尝试在 example 上进行预测时，您最终会使用分类器对 X 进行预测，从而将 N 列重新调整为具有 N 列，而不是像您训练的那样有 16 列。

您似乎想预测您的单个示例，因此您应该重塑它而不是X。大概，您想要example = example.reshape(1, -1) 而不是example = X.reshape(len(example), -1)。

最初，您创建example，形状为(16,)。您应该使用(1, -1) 作为尺寸将其重塑为(1, 16)。这将产生一个形状为(1, 16) 的数组，它适合您的分类器。

为了清楚起见，请尝试将您的代码更改为：

example = np.array([7,4,3,2,4,5,3,6,7,4,2,3,5,6,8,4])
example = example.reshape(1, -1)

prediction = clf.predict(example)
print(prediction) # shouldn't error anymore

【讨论】：

【解决方案2】：

我隔离了单个命令行，这是 xxxx.predict(example) 问题而不是 X.reshape(x,x)----- 输入错误或 .reshape(x,x)

【讨论】：

我在练习代码时遇到了同样的问题 ---clf = neighbors.KneighborsClassifier() >>> clf.fit(X_train, y_train) >>> accuracy = clf.score(x_test, y_test) >>>> 打印（准确度） >>> example_measures = np.array([[4,2,1,1,1,2,3,2,1],[4,2,1,1,1,2 ,3,2,1]]) >>example_measures = example_measures.reshape(1, -1) >>> prediction = clf.predict(example_measures)

【解决方案3】：

还有，而不是：

example = example.reshape(1,-1),

另一种选择是：

example = example[np.newaxis, :]

【讨论】：