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))

标签： machine-learningscikit-learnsvmsparse-matrixvalueerror

machine-learning - ValueError: X.shape[1] = 772 应该等于 676，训练时的特征数

问题描述

解决方案

推荐阅读