sklearn：如果您的数据具有单个特征，则使用 array.reshape(-1, 1) 重塑您的数据，如果它包含单个样本，则使用 array.reshape(1, -1)答案

【问题标题】：sklearn: Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single samplesklearn：如果您的数据具有单个特征，则使用 array.reshape(-1, 1) 重塑您的数据，如果它包含单个样本，则使用 array.reshape(1, -1)
【发布时间】：2020-01-06 00:19:48
【问题描述】：

嘿，我在机器学习项目示例中使用了Label Encoder 和Onehotencoder，但是在执行Onehotencoder 的部分执行代码时出现错误，错误是Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.，我的特征列有只有Negative 或Positive 两个属性。

此错误消息是什么意思以及如何解决它

#read data set from excel 
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

dataset = pd.read_csv('diab.csv')
feature=dataset.iloc[:,:-1].values
lablel=dataset.iloc[:,-1].values

#convert string data to binary 
#transform sting data in lablel column to decimal/binary 0 /1
from sklearn.preprocessing import LabelEncoder,OneHotEncoder

lab=LabelEncoder()
lablel=lab.fit_transform(lablel)
onehotencoder=OneHotEncoder()
lablel=onehotencoder.fit_transform(lablel).toarray()



#create trainning model and test it 
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(feature,lablel,test_size=0.30)



#fitting SVM to trainnong set 
from sklearn.svm import SVC
classifier=SVC(kernel='linear',random_state=0)
classifier.fit(x_train,y_train)

y_pred=classifier.predict(x_test)


#making the confusion matrix 
from sklearn.metrics import confusion_matrix
cm=confusion_matrix(y_test, y_pred)

from sklearn.neighbors import KNeighborsClassifier

my_classifier=KNeighborsClassifier()

my_classifier.fit(x_train,y_train)
prediction=my_classifier.predict(x_test)

print(prediction)


from sklearn.metrics import accuracy_score
print (accuracy_score(y_test,prediction))

plot=plt.plot((prediction), 'b', label='GreenDots')
plt.show()

【问题讨论】：

请提供错误消息，包括行号和堆栈跟踪。
"onehotencoder=OneHotEncoder() labell=onehotencoder.fit_transform(labell).toarray() " 在这些代码行中
您能在将label 的形状传递给OneHotEncoder 之前打印它吗？
形状是一个 d 数组

标签： python machine-learning scikit-learn artificial-intelligence

【解决方案1】：

我怀疑问题在于您有 2 个可能的标签并将它们视为单独的值。 SVM 的输出通常是单个值，因此您的标签需要是每个样本的单个值。与其将标签映射到一个热向量，不如在标签为正时使用单个值1，在标签为负时使用0。

【讨论】：