时间戳

首页 > 解决方案 > 支持向量机 SVM python ValueError: X.shape[1]

python - 支持向量机 SVM python ValueError: X.shape[1]

问题描述

我得到错误：

“ValueError X.shape[1] = 2 应该等于 3，训练时的特征数”

当我实现代码的最后 4 行时。我需要一个未来，因为我一开始就有这个定义：X = train1.iloc[:, :3]。但我不知道该怎么做。我必须在最后 4 行添加什么来定义更多功能？


import numpy as np 
import pandas as pd 
from sklearn.svm import SVC



import matplotlib.pyplot as plt
%matplotlib inline

train1 = pd.read_csv(train)


X = train1.iloc[:, :3]
y = train1.iloc[:,4]

C = 1.0 # SVM regularization parameter
svc = svm.SVC(kernel='linear', C=1,).fit(X, y)

# create a mesh to plot in
x_min, x_max = X.iloc[:, 0].min() - 1, X.iloc[:, 0].max() + 1
y_min, y_max = X.iloc[:, 1].min() - 1, X.iloc[:, 1].max() + 1
h = (x_max / x_min)/100
xx, yy = np.meshgrid(np.arange(x_min, x_max, h),
 np.arange(y_min, y_max, h))

plt.subplot(1, 1,1)
Z = svc.predict(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)
plt.contourf(xx, yy, Z, cmap=plt.cm.Paired, alpha=0.8)

标签： pythonpandasnumpysvmvalueerror

解决方案

你的代码不完整，svm哪里来的？import sklearn

当您将数据集拆分为标签和特征时

X = train1.iloc[:, :3]
y = train1.iloc[:,4]

你是故意省略第三栏吗？你的 X 有 3 列[0,1,2]，Y 是第 4 列，第 3 列丢失了。也许你的意思是：

X = train1.iloc[:, :4]
y = train1.iloc[:,4]

推荐阅读