如何为数组的每个特征绘制准确度条

Question

我有一个数据集“x”和它的标签向量“y”。我想在应用 NaiveBayes 和交叉验证后绘制每个属性（对于“x”的每一列）的准确性。我想要一个条形图。 所以最后我需要有 3 条，因为“x”有 3 列。并且分类必须运行3次。每个特征有 3 种不同的精度。

每当我执行我的代码时，它都会显示：
ValueError：发现样本数量不一致的数组：[1 3] 弃用警告：将一维数组作为数据传递在 0.17 中已弃用，并将在 0.19 中引发 ValueError。如果您的数据具有单个特征，则使用 X.reshape(-1, 1) 重塑您的数据，如果它包含单个样本，则使用 X.reshape(1, -1)。

我做错了什么？

    import matplotlib.pyplot as plt
    import numpy as np
    from sklearn import cross_validation
    from sklearn.naive_bayes import GaussianNB
    clf = GaussianNB()

    x = np.array([[0, 0.51, 0.00101], [3, 0.54, 0.00105], [6, 0.57, 0.00108], [9, 0.60, 0.00111], [1, 0.73, 0.00114], [5, 0.76, 0.00117], [8, 0.89, 120]])
    y = np.array([1, 0, 0, 1, 1, 1, 0])

   scores = list()
   scores_std = list()
   for i in range(x.shape[1]): 
   xA=x[:, i]
   scoresKF2 = cross_validation.cross_val_score(clf, xA, y, cv=2)
   scores.append(np.mean(scoresKF2))
   scores_std.append(np.std(scoresKF2))
   plt.bar(x[:,i], scores)

plt.show()

Answer 1

检查输入数据的形状xA，向我们表明它是一维的——具体来说，它是(7,) 形状。正如警告告诉我们的那样，您不能在此处传入一维数组。在返回的警告中解决此问题的关键 如果您的数据具有单个特征，则使用 X.reshape(-1, 1) 或如果包含单个特征，则使用 X.reshape(1, -1) 重塑您的数据样本。因此，由于它只是一个单一的功能，请使用 xA = x[:,i].reshape(-1, 1) 而不是 xA = x[:,i]。

我认为绘图还有另一个问题。我不完全确定您希望看到什么，但您可能应该将 plt.bar(x[:,i], scores) 替换为 plt.bar(i, np.mean(scoresKF2))。