时间戳

首页 > 解决方案 > 如何解决 ValueError: bad input shape (11, 11)？

python - 如何解决 ValueError: bad input shape (11, 11)？

问题描述

我是 Python 和机器学习的新手。我在网上找到了一个结合了 Arduino 和 Python 的项目，我决定试一试。顺便说一句，该项目的 github 链接在这里。Arduino 部分已经可以使用，我已经可以将数据写入 csv 文件。我正在尝试将 csv 文件中的数据插入到 svm 中的训练中。但是，我无法通过培训部分。代码如下。

import numpy as np
import csv
from sklearn import svm
from sklearn.metrics import accuracy_score
from sklearn.metrics import confusion_matrix
import pandas as pd
dataframe= pd.read_csv("csvdata.csv", delimiter=',')

from sklearn.model_selection import train_test_split
train, test = train_test_split(df, test_size = 0.2)

train_features = train[['LABEL','F1','F2','F3','F4','F5','X','Y','Z','C1','C2']]
train_label = train.values

test_features = test[['LABEL','F1','F2','F3','F4','F5','X','Y','Z','C1','C2']]
test_label = test.values

## SVM
model = svm.SVC(kernel='linear', gamma=1, C=1)
model.fit(train_features, train_label)

每当我运行代码时，我都会在最后一行偶然发现这个错误：

Traceback (most recent call last):
  File "C:\Python27\projects\practice\modeling.py", line 32, in <module>
    model.fit(train_features, train_label)
  File "C:\Python27\lib\site-packages\sklearn\svm\base.py", line 149, in fit
    accept_large_sparse=False)
  File "C:\Python27\lib\site-packages\sklearn\utils\validation.py", line 761, in check_X_y
    y = column_or_1d(y, warn=True)
  File "C:\Python27\lib\site-packages\sklearn\utils\validation.py", line 797, in column_or_1d
    raise ValueError("bad input shape {0}".format(shape))
ValueError: bad input shape (11, 11)

我真的很困惑，我不知道该怎么办了。我不知道标签和特征以及通过 csv 进行的训练是如何工作的。我已经通过在 Python 脚本中手动插入数据来研究培训并且它们可以工作，但是我在 csv 的培训中没有找到解决方案。

这是csv文件的内容

F1,F2,F3,F4,F5,X,Y,Z,C1,C2

525, 505, 544, 557, 545, 1268, -8264, 14888, 1, 1

523, 505, 544, 557, 545, 1480, -8320, 14684, 1, 1

517, 505, 544, 557, 544, 1460, -8352, 14712, 1, 1

524, 505, 544, 557, 545, 1436, -8312, 14496, 1, 1

568, 506, 544, 557, 544, 1308, -8348, 14744, 1, 1

578, 506, 544, 557, 544, 1128, -8484, 14376, 1, 1

583, 506, 544, 557, 545, 1376, -8180, 14768, 1, 1

583, 505, 544, 557, 545, 1380, -8220, 14636, 1, 1

550, 505, 544, 557, 544, 1332, -8376, 14700, 1, 1

510, 505, 544, 557, 545, 1412, -8320, 14620, 1, 1

510, 505, 544, 557, 545, 1412, -8320, 14620, 1, 1

510, 505, 544, 557, 545, 1412, -8320, 14620, 1, 1

我希望任何人都可以帮助它已经几周了，我想弄清楚这一点。谢谢你。

标签： pythonpandasmachine-learningscikit-learnsvm

解决方案

在您的model.fit中，您应该传递特征和标签；但与 ( train_label = train.values) 一样，您最终会发现您的功能和标签本质上是相同的。您的标签应该是一维的（您可以y = column_or_1d在错误消息中看到 a），当然不是您的特征的一部分。

您应该按如下方式更改功能和标签定义：

train_features = train[['F1','F2','F3','F4','F5','X','Y','Z','C1','C2']]
train_label = train['LABEL']

test_features = test[['F1','F2','F3','F4','F5','X','Y','Z','C1','C2']]
test_label = test['LABEL']

如果您model.fit不能按原样工作，请尝试：

model.fit(train_features.values, train_label.values)

推荐阅读