当数据只有一个特征……

不可言诉的深渊

发布于 2020-02-17 15:44:55

9012

发布于 2020-02-17 15:44:55

文章被收录于专栏：Python机器学习算法说书人Python机器学习算法说书人

在学习机器学习的时候，各种数据集也都玩遍了，我们都接触的是有 2 个特征或者更多个特征的数据集，这次来一点不一样的，只有一个特征的数据集！

检查版本

首先需要检查 scikit-learn 版本，因为今天的问题老版本可能不会有，当然我的版本有这个问题。给大家看一下我的 scikit-learn 版本，如图所示。

先模仿一下

我首先模仿之前学习机器学习的代码格式，如下所示：

from pandas import DataFrame
from random import random, choice
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
df = DataFrame({'X0': [random()for _ in range(100)], 'y': [choice((0, 1))for _ in range(100)]})
X, y = df['X0'], df['y']
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)
knn = KNeighborsClassifier().fit(X_train, y_train)
print(knn.score(X_test, y_test))

这个例子很简单，数据集中共有 100 条数据就一个特征 X0，y 表示类别，有 0 和 1 两个类别，接下来运行一下看看行不行，如图所示。

稍微翻译一下：期望接收到一个二维数组，但是传进去的却是一个一维数组，这种情况怎么办呢？很简单~！把它转换成二维数组不就完事了吗？

转二维数组

转二维数组的逻辑非常简单，把 X, y = df['X0'], df['y'] 这一行改成 X, y = [df['X0']], df['y'] 就行了，转换之后再运行一下看看，如图所示。

还是报错，稍微翻译一下：发现输入变量和样本数量不一致，哈？！这个是什么鬼？！这是因为特征的行数与类别的行数不相等，我们先打印一下 X 的形状看看，如图所示。

1 行 100 列，好了，解决方案已经很明显了，把 X 做一个转置就行了。代码如下：

from pandas import DataFrame
from random import random, choice
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from numpy import array
df = DataFrame({'X0': [random()for _ in range(100)], 'y': [choice((0, 1))for _ in range(100)]})
X, y = array([df['X0']]).T, df['y']
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)
knn = KNeighborsClassifier().fit(X_train, y_train)
print(knn.score(X_test, y_test))

运行结果如图所示。