无法运行适合 svm 的方法（通过 scikit-learn）答案

【问题标题】：Unable to run the method fit for svm (by scikit-learn)无法运行适合 svm 的方法（通过 scikit-learn）
【发布时间】：2015-08-22 00:07:03
【问题描述】：

我正在尝试使用 sklearn 库生成 svm 预测器。但是，每次我尝试运行 fit(X,Y) 时都会收到以下错误：

类的数量必须大于一；得到 1

我很确定问题出在y_learn 变量上，因为如果我将y_learn 更改为第一个元素为1 而其他元素为0 的列表，它会起作用。

我的代码是：

clf = svm.SVC()

clf.fit(x_learn,y_learn)

在哪里

y_learn = [ 1 -1 -1 -1 -1 -1 -1 -1 -1 -1  1  1  1  1  1  1  1  1  1  1  1 -1 -1 -1 -1
  1  1  1  1  1  1  1  1  1 -1 -1 -1 -1 -1 -1 -1  1  1  1  1  1  1  1  1  1
  1  1  1  1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1  1  1  1  1  1 -1 -1 -1 -1 -1 -1
 -1 -1 -1 -1 -1  1 -1 -1 -1 -1 -1 -1 -1  1  1  1  1  1  1  1  1  1  1  1  1
  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1 -1 -1 -1 -1 -1 -1 -1 -1 -1]

和type(y_learn) = type 'numpy.ndarray'

x_learn = [array([  9.40768535e-01,   8.41994398e-01,   9.32081721e-01,
         5.66162508e-02,   7.98723422e-03,   1.43783134e-02,
        -7.09941391e-03,  -3.47126563e-03,   7.56540837e+01]), array([  9.51510849e-01,   8.45112974e-01,   9.38219301e-01,
         5.82776713e-02,   8.91018076e-03,   1.14186585e-02,
         1.43783134e-02,  -7.09941391e-03,   7.77932310e+01]), array([  9.55239672e-01,   8.48133424e-01,   9.41803516e-01,
         6.00029472e-02,   1.16427455e-02,   3.91884410e-03,
         1.14186585e-02,   1.43783134e-02,   7.84959346e+01]), array([  9.52616068e-01,   8.51255512e-01,   9.45513746e-01,
         6.13091486e-02,   1.15153207e-02,  -2.74653979e-03,
         3.91884410e-03,   1.14186585e-02,   7.66670540e+01]), array([  9.67841234e-01,   8.54751516e-01,   9.53595272e-01,
         6.28853797e-02,   9.68865724e-03,   1.59824778e-02,
        -2.74653979e-03,   3.91884410e-03,   7.96194885e+01]), array([  9.73522265e-01,   8.58377874e-01,   9.60146018e-01,
         6.44142845e-02,   9.91815056...]

【问题讨论】：

您使用的是哪个版本的 scikit-learn？这似乎不是适当的错误。可以X = np.array(x_learn) 给我们X.shape 和y_learn.shape 吗？
我使用的是 scikit-learn 的 0.16.1 版本。您要求的输出是：X.shape = (125, 9)y_lean.shape = (125,)

标签： python numpy scikit-learn svm

【解决方案1】：

我会说你的形状有问题，请在拟合模型之前尝试这样做：

x_learn = x_learn.reshape(y_learn.shape)

# OR

y_learn = y_learn.reshape(x_learn.shape)

如果出现问题，请尝试通过 0 更改它或升级您的 sklearn 版本，因为某些版本的 sklearn 有问题，-1 作为标签

【讨论】：

我尝试将 -1 替换为 0 - 仍然出现错误。另外，我尝试了重塑，但也没有用。
是的。让事情更清楚。 x_learn 是一个数组列表 y_learn 是一个数组
你能给我y_learn.shape和x_learn.shape的输出吗？
x_learn 没有形状，因为它是一个列表，但 len(x_learn) 返回 135 并且 y_learn.shape 返回 (135,)
好的，试试这个X= numpy.array([x_learn]) 并以这种方式拟合你的模型clf.fit(X,y_learn)