Python：使用 sklearn 时出现“ValueError：使用序列设置数组元素”

Question

这是几行：

---

from sklearn import tree


X = [[181,80,44], [177, 70, 43], [160, 60, 38], 154, 54, 37],
[166,64,40], [190,90,47], [175,64,39],[177,70,40],[159,55,37],
[171,75,42],[181,85,43]

Y = ['male', 'female', 'female', 'female', 'male', 'male', 'male',
'female', 'male', 'female', 'male']

clf = tree.DecisionTreeClassifier()

clf = clf.fit(X,Y)

prediction = clf.predict([[182,78,43]])

print (prediction)

---

结果：

Traceback (most recent call last):


File "C:\Python\code\test.py", line 14, in <module>
clf = clf.fit(X,Y)
File "C:\Python\lib\site-packages\sklearn\tree\tree.py", line 790, in fit
X_idx_sorted=X_idx_sorted)
File "C:\Python\lib\site-packages\sklearn\tree\tree.py", line 116, in fit
X = check_array(X, dtype=DTYPE, accept_sparse="csc")
File "C:\Python\lib\site-packages\sklearn\utils\validation.py", line 402, 

in check_array
array = np.array(array, dtype=dtype, order=order, copy=copy)
in check_array
array = np.array(array, dtype=dtype, order=order, copy=copy)
ValueError: setting an array element with a sequence.
[Finished in 0.5s]

---

预期结果：

应该显示根据身体测量预测的性别："182,78,43"

例如：男性或女性

在 Sublime 上使用 sklearn、numpy+mkl 和 scipy 运行 Python 3.6。

代码来源于：https://www.youtube.com/watch?v=T5pRlIbr6gg。 整个 youtube 评论部分对此没有答案。 感谢您是否可以在此处找到答案，但找不到任何答案。

Answer 1

如果这真的是你的代码，问题就从头开始：

X = [[181,80,44], [177, 70, 43], [160, 60, 38], 154, 54, 37], 
[166,64,40], [190,90,47], [175,64,39],[177,70,40],[159,55,37],
[171,75,42],[181,85,43]

正在创造远离可用的东西：

print(X)
# ([[181, 80, 44], [177, 70, 43], [160, 60, 38], 154, 54, 37],)

因此，每个方向都有一个括号要添加（如果您不清楚：阅读 sklearn 的有关数据格式的文档：形状的二维数组（n_samples，n_features）；还可以考虑阅读一些对 numpy 的介绍，其中字形来自 -> 内部一切都是基于 numpy 的）：

X = [[181,80,44], [177, 70, 43], [160, 60, 38], [154, 54, 37],  # before 154
[166,64,40], [190,90,47], [175,64,39],[177,70,40],[159,55,37],
[171,75,42],[181,85,43]]                                        # at end

我不得不承认：这是应该立即找到的东西，我不明白为什么有人会花时间为 SO 创建帖子，而不是花时间检查简单数组创建的语法。

说句公道话：一开始我以为它不会经过语法检查（如上所述，这确实是一个奇怪的结构）。

编辑：说句公道话#2：链接的视频也确实很糟糕...我不知道该怎么想（好吧，使用 DTree 来完成这项任务可能是已经疯了，甚至 LinearRegression 似乎更可行）！

是的，在完成上述更正后，代码会预测male！