时间戳

首页 > 解决方案 > 如何从训练有素的模型中预测自定义值？

python - 如何从训练有素的模型中预测自定义值？

问题描述

我对 python 理解 ML 架构很陌生。

我设计了一个场景，训练了我的模型，我的测试结果按预期工作。我的测试数据中有大约 5 行我的问题是..如果我想测试单个记录并获得预测，我该怎么做？当我使用单个记录进行测试时出现以下错误

下面是我的代码示例和错误。请帮忙

import numpy as np
import pandas as pd
from sklearn.tree import DecisionTreeClassifier

dataset = pd.read_csv('MLData2.csv')
# Data: 
#A  1   1
#A  1   1
#A  1   1
#A  2   1
#A  2   1
#B  3   3
#B  3   3
#B  3   3
#B  4   3
#B  5   3
#C  4   4
#C  1   4
#C  2   4
#C  3   4

X = dataset.iloc[:, :-1].values

y = dataset.iloc[:,2].values


#Encode data
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder_X = LabelEncoder()
X[:,0] = labelencoder_X.fit_transform(X[:,0])
X[:,1] = labelencoder_X.fit_transform(X[:,1])
#onehotencoder = OneHotEncoder(categorical_features = "all")
#X = onehotencoder.fit_transform(X).toarray()

#labelencoder_Y = LabelEncoder()
#y = labelencoder_Y.fit_transform(y)
#onehotencoder_y = OneHotEncoder(categorical_features = "all")
#y = np.reshape(y, (-1, 1))
#y = onehotencoder_y.fit_transform(y).toarray()

from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 
0.2, random_state = 42)

from sklearn.tree import DecisionTreeClassifier
classifier = DecisionTreeClassifier(criterion="entropy", random_state 
= 42)
classifier.fit(X_train, y_train)
y_pred = classifier.predict(X_test)
sTest = np.reshape([0,3], (-1,1))

#I want to test model for inputs C 3, which should return 4. How to 
test that?
y_pred1 = classifier.predict(sTest)

以下是收到的错误

ValueError: Number of features of the model must match the input. Model n_features is 2 and input n_features is 1

简而言之，我的输出应该始终是 A 的 1，B 的 3，C 的 4（在我的场景中）

标签： pythonpandasnumpydataframemachine-learning

解决方案

错误说：

ValueError: Number of features of the model must match the input. Model n_features is 2 and input n_features is 1

这意味着您对模型的输入与预期的形状不同。

您的模型需要 2D 样本，即 numpy 形状的(n_samples, n_features)数组n_features=2。在您的情况下，您想对单个样本进行测试，因此n_samples=1. 你需要传递一个np.arraywith shape (1, 2)。尝试：

sTest = np.reshape([0,3], (1, -1))

推荐阅读