【发布时间】：2016-12-01 04:11:01
【问题描述】：
我正在尝试使用 python 3.5.2 在数据集中实现朴素贝叶斯算法，但它给了我一个错误：
ValueError：解包的值太多（预计 2 个）
谁能帮助我解决这个问题？我对python很陌生。
import csv
import nltk
import nltk.classify.util
from nltk.classify import NaiveBayesClassifier
f = open("C:\Python_code\pima-indians-diabetes.csv")
csv_f = csv.reader(f)
import numpy
csv_f = numpy.random.rand(100, 5)
numpy.random.shuffle(csv_f)
training, test = csv_f[:80,:], csv_f[80:,:]
print(training,test)
classifier = nltk.NaiveBayesClassifier.train(training)
print("Naive Bayes Algo Accuracy:", (nltk.classify.accuracy(classifier,test))*100)
【问题讨论】：
-
哪一行会引发错误？
-
classifier = nltk.NaiveBayesClassifier.train(training) print("Naive Bayes Algo Accuracy:", (nltk.classify.accuracy(classifier,test))*100) 这行引发了错误跨度>
-
您似乎向分类器提供了不正确的数据。尝试检查
nltk.NaiveBayesClassifier.train的输入并将其与您的变量training进行比较。 -
我尝试用 sklearn.naive_bayes 中的以下代码替换最后 2 行 import GaussianNB clf = GaussianNB() clf.fit(features_training,labels_training) pred = clf.predict(features_test) from sklearn。 metrics import accuracy_score print (accuracy_score(pred,labels_test)) 但它给了我 NameError: name 'features_training' is not defined
-
@Fomalhaut 你能解释一下你说的话吗？
标签： python python-3.x