IndexError：索引过多答案

【问题标题】：IndexError: too many indicesIndexError：索引过多
【发布时间】：2013-01-25 11:01:31
【问题描述】：

我正在尝试在 scikit-learn 中使用一种算法来根据大量输入预测输出。我似乎收到了错误“太多索引”返回，但不知道为什么。

CSV 文件训练：

 1.1    0.2 0.1 0   0.12    0.1
 1.4    0.2 0.1 0.1 0.14    0.1
 0.1    0.1 0.1 0   0.26    0.1
 24.5   0.1 0   0.1 0.14    0.1
 0.1    0.1 0.1 0   0.25    0.1

代码：

    fileCSVTraining = genfromtxt('TrainingData.csv', delimiter=',', dtype=None)

    #Define first 6 rows of data as the features
    t = fileCSVTraining[:, 6:]

    #Define which column to put prediction in
    r = fileCSVTraining[:, 0-6:]    
    #Create and train classifier 
    x, y = r, t
    clf = LinearSVC()
    clf = clf.fit(x, y)     
    #New data to predict
    X_new = [1.0, 2.1, 3.0, 2.4, 2.1]
    b = clf.predict(X_new)

错误：

 t = fileCSVTraining[:, 6:]
 IndexError: too many indices

【问题讨论】：

我认为如果您尝试在二维中索引一维数组，则会发生此错误，但不完全确定
也许不是问题，但您在读取文件时使用delimiter=','，虽然值是用空格分隔的
好像和CSV文件中的小数点有关

标签： python numpy scikit-learn

【解决方案1】：

基于 cmets，我认为你想要：

fileCSVTraining = genfromtxt('TrainingData.csv')

然后，要获得“前 6 行”，您可以使用

t = fileCSVTraining[:6, :]

（我假设您的实际数据文件比您显示的要长。您的示例只有 5 行。）

我怀疑您使用数组索引来获取 r 也是不正确的。

【讨论】：

【解决方案2】：

请打印x和y变量，您可能会看到为什么数据无效并相应地修复。

还为最后一行：

X_new = [1.0, 2.1, 3.0, 2.4, 2.1]
b = clf.predict(X_new)

应该是：

X_new = [[1.0, 2.1, 3.0, 2.4, 2.1]]
b = clf.predict(X_new)

预测期望采样的集合（2D (n_new_samples, n_features)），而不是单个样本。

【讨论】：

【解决方案3】：

获取 r 和 t 的数组索引不正确。使用：

  t = fileCSVTraining[:, 1-0:]

为我提供所需的训练数据，留下预测列。

【讨论】：

【解决方案4】：

指定 dtype=float 也很重要，因为“无”将允许将整数（如果您的数据中有的话）包含在数组中，这将强制一维数组而不是二维数组。如图所示，索引不适用于一维。

【讨论】：