train_test_split () -Fehler: Eingabevariablen mit inkonsistenter Anzahl von Stichproben gefunden

Ziemlich neu in Python, aber ich baue mein erstes RF-Modell basierend auf einigen Klassifizierungsdaten auf. Ich habe alle Bezeichnungen in Int64-numerische Daten konvertiert und als Numpy-Array in X und Y geladen. Beim Versuch, die Modelle zu trainieren, tritt jedoch ein Fehler auf.

So sehen meine Arrays aus:

>>> X = np.array([[df.tran_cityname, df.tran_signupos, df.tran_signupchannel, df.tran_vmake, df.tran_vmodel, df.tran_vyear]])

>>> Y = np.array(df['completed_trip_status'].values.tolist())

>>> X
array([[[   1,    1,    2,    3,    1,    1,    1,    1,    1,    3,    1,
            3,    1,    1,    1,    1,    2,    1,    3,    1,    3,    3,
            2,    3,    3,    1,    1,    1,    1],
        [   0,    5,    5,    1,    1,    1,    2,    2,    0,    2,    2,
            3,    1,    2,    5,    5,    2,    1,    2,    2,    2,    2,
            2,    4,    3,    5,    1,    0,    1],
        [   2,    2,    1,    3,    3,    3,    2,    3,    3,    2,    3,
            2,    3,    2,    2,    3,    2,    2,    1,    1,    2,    1,
            2,    2,    1,    2,    3,    1,    1],
        [   0,    0,    0,   42,   17,    8,   42,    0,    0,    0,   22,
            0,   22,    0,    0,   42,    0,    0,    0,    0,   11,    0,
            0,    0,    0,    0,   28,   17,   18],
        [   0,    0,    0,   70,  291,   88,  234,    0,    0,    0,  222,
            0,  222,    0,    0,  234,    0,    0,    0,    0,   89,    0,
            0,    0,    0,    0,   40,  291,  131],
        [   0,    0,    0, 2016, 2016, 2006, 2014,    0,    0,    0, 2015,
            0, 2015,    0,    0, 2015,    0,    0,    0,    0, 2015,    0,
            0,    0,    0,    0, 2016, 2016, 2010]]])

>>> Y
array(['NO', 'NO', 'NO', 'YES', 'NO', 'NO', 'YES', 'NO', 'NO', 'NO', 'NO',
       'NO', 'YES', 'NO', 'NO', 'YES', 'NO', 'NO', 'NO', 'NO', 'NO', 'NO',
       'NO', 'NO', 'NO', 'NO', 'NO', 'NO', 'NO'], 
      dtype='|S3')

>>> X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.3)

Rückverfolgung (letzter Anruf zuletzt):

  File "<stdin>", line 1, in <module>
  File "/Library/Python/2.7/site-packages/sklearn/cross_validation.py", line

2039, in train_test_split arrays = indexable (* arrays) Datei "/Library/Python/2.7/site-packages/sklearn/utils/validation.py", Zeile 206, in indexable check_consistent_length (* result) Datei "/ Library / Python / 2.7 / site-packages / sklearn / utils / validation.py ", Zeile 181, in check_consistent_length" Beispiele:% r "% [int (l) für l in Längen])

ValueError: Found input variables with inconsistent numbers of samples: [1, 29]

Sie stoßen auf diesen Fehler, weil Sie Xund Ynicht die gleiche Länge haben (was train_test_spliterforderlich ist), dh X.shape[0] != Y.shape[0]. Ausgehend von Ihrem aktuellen Code:

>>> X.shape
(1, 6, 29)
>>> Y.shape
(29,)

So beheben Sie diesen Fehler:

1. Entfernen Sie die zusätzliche Liste von innen np.array()bei der Definition Xoder die zusätzliche Dimension entfernen anschließend mit dem folgenden Befehl ein : X = X.reshape(X.shape[1:]). Nun ist die Form von X(6, 29).
2. Transponieren , Xindem Sie die X = X.transpose()gleiche Anzahl von Proben zu bekommen in Xund Y. Nun ist die Form des XWillens (29, 6) und die Form des YWillens (29,).

Erwartet train_test_split nicht beides Xund Yeine Liste gleicher Länge? Ihr X hat eine Länge von 6 und Y eine Länge von 29. Können Sie versuchen, das in einen Pandas-Datenrahmen (mit der Dimension 29x6) zu konvertieren und es erneut zu versuchen?

In Anbetracht Ihrer Daten haben Sie anscheinend 6 Funktionen. Versuchen Sie Xin diesem Fall, Ihr Format in 29 Zeilen und 6 Spalten umzuwandeln . Übergeben Sie dann diesen Datenrahmen an train_test_split. Sie können Ihre Liste mit in einen Datenrahmen konvertieren pd.DataFrame.from_records.