machine-learning - ValueError: X.shape[1] = 772 应该等于 676,训练时的特征数
问题描述
我对一类 SVM 有疑问。由于密集矩阵太大,我使用稀疏矩阵来训练和测试我的数据集。当我使用 predict
函数时,代码会给出错误,例如
ValueError: X.shape[1] = 772 应该等于 676,训练时的特征数
当我减少测试数据的样本时,它的准确率为零。那有什么问题?
我知道,有一些建议,如使用values.shape
函数或使用n_features
参数,但一类 SVM 不包含n_features
参数,稀疏矩阵不接受values.shape
。
o_svm = OneClassSVM()
o_svm.fit(concating_data_train)
anomaly_detect = o_svm.predict(concating_data_test)
#concating datas are similar;
concating_data_test = hstack((concating_test_non_numeric, standardization_sparse_data_test_numeric))
解决方案
推荐阅读
- css - 使 ag-grid 以 100% 的角度页面高度的方法
- linux - awk 脚本无法与 gsub 一起正常工作 $10
- java - 如何更改擦除或更新文本、时间或输出文本
- scala - Spark 数据框列名无法识别
- node.js - 在 heroku 上部署 MERN 会导致意外错误
- javascript - 我可以使用引导弹出框显示带有标题(文本和图像)和正文(文本)的内容吗?
- drop-down-menu - 如何使用 MS Word 下拉列表来指定 INCLUDETEXT 的范围?
- android - android错误找不到类JobSchedular
- java - 如何使用 JNA(打印机和作业)从 WinspoolUtil 和 Winspool 获取 JobInfo2?
- groovy - 为什么在 JSR223 PreProcessor 中替换 POST 参数会在后续迭代中将其删除?